何时用何模型：面向下游应用的开放信息抽取系统深入比较实证分析
计算与语言
2022-11-16 v1
摘要
开放信息抽取（OpenIE）已被用于多种 NLP 任务的流水线中。遗憾的是，对于在何种任务中应使用哪些模型尚无明确共识。更进一步混淆的是，现有比较很少考虑不同的训练集。本文针对神经 OpenIE 模型、训练集与基准开展以应用为导向的实证调研，以帮助用户为其应用选择最合适的 OpenIE 系统。我们发现，不同模型与数据集所做出的不同假设对性能具有统计显著影响，因此为自身应用选择最恰当的模型十分重要。我们在下游复杂问答（Complex QA）应用上展示了我们推荐建议的适用性。
引用
@article{arxiv.2211.08228,
title = {When to Use What: An In-Depth Comparative Empirical Analysis of OpenIE Systems for Downstream Applications},
author = {Kevin Pei and Ishan Jindal and Kevin Chen-Chuan Chang and Chengxiang Zhai and Yunyao Li},
journal= {arXiv preprint arXiv:2211.08228},
year = {2022}
}
备注
13 pages, 0 figures