KnowGraph@IITK 在 SemEval-2021 任务 11 上的工作：构建 NLP 研究知识图谱
计算与语言
2021-04-06 v1
摘要
自然语言处理领域的研究正在快速推进，导致大量研究论文的发表。寻找相关的研究论文及其对该领域的贡献是一个具有挑战性的问题。在本文中，我们通过 SemEval 2021 任务 11：NLPContributionGraph，开发了一个面向研究论文贡献的自然语言处理文献知识图谱系统，以应对这一挑战。该任务分为三个子任务：提取研究文章中显示重要贡献的贡献句，从贡献句中提取短语，以及预测研究文章中的信息单元并从短语形成三元组。所提出的系统与学科领域无关，可用于构建任何领域的知识图谱。我们发现基于 transformer 的语言模型能够显著改进现有技术，并采用了基于 SciBERT 的模型。我们的第一个子任务使用堆叠在 SciBERT 模型层之上的双向 LSTM（BiLSTM），而第二个子任务在带有 BiLSTM 的 SciBERT 之上使用条件随机场（CRF）。第三个子任务使用基于 SciBERT 的神经方法结合启发式规则进行信息单元预测和从短语形成三元组。我们的系统在端到端流水线测试、短语提取测试和三元组提取测试中的 F1 分数分别达到了 0.38、0.63 和 0.76。
引用
@article{arxiv.2104.01619,
title = {KnowGraph@IITK at SemEval-2021 Task 11: Building KnowledgeGraph for NLP Research},
author = {Shashank Shailabh and Sajal Chaurasia and Ashutosh Modi},
journal= {arXiv preprint arXiv:2104.01619},
year = {2021}
}
备注
Accepted at SemEval 2021 Task 11, 11 Pages (9 Pages main content+ 2 pages for references)