Zshot：一个用于零样本命名实体识别与关系抽取的开源框架
计算与语言
2023-07-26 v1 人工智能
机器学习
摘要
零样本学习（ZSL）任务涉及识别训练期间未见的文本中的实体或关系。由于特定领域标注数据的稀缺，ZSL已成为关键研究领域，且其应用近年显著增长。随着大型预训练语言模型的出现，若干新颖方法被提出，使ZSL性能获得实质性提升。研究与工业界日益需要一套全面的ZSL框架，以促成最新方法与预训练模型的开发与使用。本研究中，我们提出一个名为Zshot的新型ZSL框架，旨在应对上述挑战。我们的首要目标是提供一个平台，使研究者能用标准基准数据集比较不同最先进ZSL方法。此外，我们设计框架以通过标准SpaCy NLP流水线下的即用API支持工业界生产。我们的API可扩展且可评估，并且我们包含了诸多增强功能，例如通过流水线集成提升精度以及作为SpaCy扩展提供的可视化工具。
引用
@article{arxiv.2307.13497,
title = {Zshot: An Open-source Framework for Zero-Shot Named Entity Recognition and Relation Extraction},
author = {Gabriele Picco and Marcos Martínez Galindo and Alberto Purpura and Leopold Fuchs and Vanessa López and Hoang Thanh Lam},
journal= {arXiv preprint arXiv:2307.13497},
year = {2023}
}
备注
Accepted at ACL 2023