Published January 1, 2021
| Version v1
Publication
Open
Three Sentences Are All You Need: Local Path Enhanced Document Relation Extraction
- 1. Peking University
Description
Document-level Relation Extraction (RE) is a more challenging task than sentence RE as it often requires reasoning over multiple sentences.Yet, human annotators usually use a small number of sentences to identify the relationship between a given entity pair.In this paper, we present an embarrassingly simple but effective method to heuristically select evidence sentences for document-level RE, which can be easily combined with BiLSTM to achieve good performance on benchmark datasets, even better than fancy graph neural network based methods.We have released our code at https://github.com/AndrewZhe/Three-Sentences-Are-All-You-Need.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
يعد استخراج العلاقة على مستوى المستند (RE) مهمة أكثر تحديًا من استخراج العلاقة على مستوى الجملة لأنه غالبًا ما يتطلب الاستدلال على جمل متعددة. ومع ذلك، عادة ما تستخدم التعليقات التوضيحية البشرية عددًا صغيرًا من الجمل لتحديد العلاقة بين زوج كيان معين. في هذه الورقة، نقدم طريقة بسيطة ولكنها فعالة بشكل محرج لتحديد جمل الأدلة بشكل إرشادي على مستوى المستند، والتي يمكن دمجها بسهولة مع BiLSTM لتحقيق أداء جيد في مجموعات البيانات المعيارية، حتى أفضل من الطرق القائمة على الشبكة العصبية للرسم البياني الفاخر. لقد أصدرنا رمزنا على https://github.com/AndrewZhe/Three-Sentences-Are-All-You-Need.Translated Description (French)
L'extraction de relation (RE) au niveau du document est une tâche plus difficile que la phrase RE car elle nécessite souvent un raisonnement sur plusieurs phrases. Cependant, les annotateurs humains utilisent généralement un petit nombre de phrases pour identifier la relation entre une paire d'entités donnée. Dans cet article, nous présentons une méthode simple mais efficace pour sélectionner de manière heuristique des phrases de preuve pour la RE au niveau du document, qui peut être facilement combinée avec BiLSTM pour obtenir de bonnes performances sur des ensembles de données de référence, encore mieux que les méthodes basées sur un réseau neuronal graphique sophistiqué. Nous avons publié notre code sur https://github.com/AndrewZhe/Three-Sentences-Are-All-You-Need.Translated Description (Spanish)
La extracción de relaciones a nivel de documento (RE) es una tarea más desafiante que la RE de oraciones, ya que a menudo requiere razonamiento en múltiples oraciones. Sin embargo, los anotadores humanos generalmente usan un pequeño número de oraciones para identificar la relación entre un par de entidades determinado. En este documento, presentamos un método vergonzosamente simple pero efectivo para seleccionar heurísticamente oraciones de evidencia para RE a nivel de documento, que se puede combinar fácilmente con BiLSTM para lograr un buen rendimiento en conjuntos de datos de referencia, incluso mejor que los métodos basados en redes neuronales de gráficos sofisticados. Hemos publicado nuestro código en https://github.com/AndrewZhe/Three-Sentences-Are-All-You-Need.Files
2021.acl-short.126.pdf.pdf
Files
(473.0 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:891526b4ed007ea94af08b4d3f9f63f2
|
473.0 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- ثلاث جمل هي كل ما تحتاجه: استخراج علاقة المستندات المحسنة للمسار المحلي
- Translated title (French)
- Trois phrases sont tout ce dont vous avez besoin : Extraction de relation de document améliorée par chemin local
- Translated title (Spanish)
- Tres oraciones son todo lo que necesita: extracción de relación de documentos mejorada de ruta local
Identifiers
- Other
- https://openalex.org/W3174628768
- DOI
- 10.18653/v1/2021.acl-short.126
References
- https://openalex.org/W2250539671
- https://openalex.org/W2515462165
- https://openalex.org/W2892094955
- https://openalex.org/W2952179106
- https://openalex.org/W2963020213
- https://openalex.org/W2971221499
- https://openalex.org/W3035053871
- https://openalex.org/W3103836967