情報抽出

Войти

情報抽出タスクにおける生成言語モデルの評価 - 主観的質問修正を活用した新しい評価手法の提案

従来の情報抽出タスクの評価手法には、生成言語モデルの性能を正確に評価できないという問題がある。本研究では、主観的質問修正の原理に着想を得て、SQC-Scoreという新しい評価手法を提案する。SQC-Scoreは生成言語モデルを用いてモデル出力と正解ラベルの一致度を評価し、さらにNLIモデルを用いて正解ラベルの不完全性を補完することで、より人間に近い評価を実現する。

情報抽出には一つのモデルが適合するアプローチがあるか？タスク定義の偏りを再考する

統一された情報抽出と大規模言語モデルは、定義バイアスを解決できない。

大規模言語モデルを使用した構造化エンティティ抽出

大規模言語モデルを使用した構造化エンティティ抽出の新しいアプローチと効率性に焦点を当てた研究。

ChatUIE: Exploring Chat-based Unified Information Extraction using Large Language Models

ChatUIEは、大規模言語モデルを使用したチャットベースの統合情報抽出を探る。

IPED: An Implicit Perspective for Relational Triple Extraction based on Diffusion Model by Jianli Zhao, Changhao Xu, Bin Jiang from Shandong University

IPEDは、情報抽出のための新しいアプローチであり、従来の明示的なタグ付け方法を避けることで、多くの問題に対処しています。

О нас

Продукты | Ресурсы

Идеи