基于大语言模型远程监督的文档级关系抽取半自动数据增强
计算与语言
2023-11-14 v1 人工智能
摘要
文档级关系抽取（DocRE）旨在从长上下文中抽取关系，是实现细粒度结构理解与生成可解释文档表示的关键挑战。受大语言模型（LLM，如 ChatGPT）中涌现的上下文学习能力的近期进展启发，我们旨在以最小人力设计一种用于 DocRE 的自动标注方法。遗憾的是，由于大量预定义的细粒度关系类型以及 LLM 的不可控生成，原始的上下文学习对于文档级关系抽取不可行。为解决此问题，我们提出一种融合大语言模型（LLM）与自然语言推理（NLI）模块以生成关系三元组的方法，从而增强文档级关系数据集。我们通过引入一个名为 DocGNRE 的增强数据集证明了方法的有效性，该数据集在重新标注众多长尾关系类型方面表现优异。我们确信我们的方法在领域特定关系类型定义中具有更广泛应用潜力，并为推进通用语言语义理解带来切实益处。
引用
@article{arxiv.2311.07314,
title = {Semi-automatic Data Enhancement for Document-Level Relation Extraction with Distant Supervision from Large Language Models},
author = {Junpeng Li and Zixia Jia and Zilong Zheng},
journal= {arXiv preprint arXiv:2311.07314},
year = {2023}
}