ReSel：通过学习检索与选择从科学文本和表格中进行N元关系抽取
计算与语言
2022-10-27 v1
摘要
我们研究了从科学文献中抽取 N 元关系元组的问题。这项任务具有挑战性，因为目标知识元组可能存在于文档的多个部分和模态中。我们提出的方法 ReSel 将该任务分解为两阶段过程：首先检索最相关的段落/表格，然后从检索到的组件中选择目标实体。对于高层检索阶段，ReSel 设计了一个简单有效的特征集，用于捕获查询与组件之间的多级词汇和语义相似性。对于低层选择阶段，ReSel 设计了一个跨模态实体关联图以及多视图架构，对实体间的语义和文档结构关系进行建模。我们在三个科学信息抽取数据集上的实验表明，ReSel 显著优于 SOTA 基线。
引用
@article{arxiv.2210.14427,
title = {ReSel: N-ary Relation Extraction from Scientific Text and Tables by Learning to Retrieve and Select},
author = {Yuchen Zhuang and Yinghao Li and Jerry Junyang Cheung and Yue Yu and Yingjun Mou and Xiang Chen and Le Song and Chao Zhang},
journal= {arXiv preprint arXiv:2210.14427},
year = {2022}
}
备注
Accepted to EMNLP 2022