作者：Michael Strobl, Amine Trabelsi, Osmar Zaiane

简介：本文研究基于BERT优化的模型高效高质量生成关系抽取数据集。为了有效地训练精确的关系抽取模型，需要足够且正确标记的数据。很难获得充分标记的数据，对此类数据进行注释是一项棘手的任务。如果做得准确，以前的工作表明：要么必须牺牲准确性，要么任务非常耗时。作者提出一种方法，以便快速生成用于关系提取任务的高质量数据集。神经模型经过训练，可以在创建的数据集上进行关系提取，取得了很好的效果，并且可以很好地推广到其他数据集。在该研究中，作者能够在合理的时间内为19种关系注释10022个句子，并为每种关系训练一个常用的基线模型。

论文下载：https://arxiv.org/pdf/2204.07150.pdf

内容中包含的图片若涉及版权问题，请及时与我们联系删除