KAB:一种基于知识的基准测试方法,用于可复现地评估远程监督下的关系提取任务

《Neural Networks》:KAB: A Knowledge-Aligned Benchmark for Reproducible Evaluation of Distantly Supervised Relation Extraction

【字体: 大 中 小 】 时间:2026年05月13日 来源:Neural Networks 6.3

编辑推荐:

  Bowen Liu|Junhang Hu|Yucong Lin|Hong Song|Yaqing Nie|Hongmin Xiao|Zichao Lin|Jingtao Li|Xutao Weng|Zhaoli Su|Jinfu Li|Jian Yang摘要结构化知识对于提升关系

  
Bowen Liu|Junhang Hu|Yucong Lin|Hong Song|Yaqing Nie|Hongmin Xiao|Zichao Lin|Jingtao Li|Xutao Weng|Zhaoli Su|Jinfu Li|Jian Yang

摘要

结构化知识对于提升关系提取(RE)至关重要,然而现有的数据集缺乏与知识图的标准化集成,这限制了对知识感知方法的公平评估和比较分析。为了解决这一差距,我们提出了KAB,这是一个用于知识增强型远程监督关系提取的基准测试框架。KAB通过一个统一的两阶段框架构建:首先,从外部知识库中混合实体链接和结构化上下文检索;然后进行数据集级别的细化和对齐。每个实例都通过Wikidata或Freebase提供的基于图的语义邻域得到丰富,使关系提取模型能够在不改变原始任务格式的情况下利用多跳和关系上下文。实验结果显示,在KAB数据集上,各种模型的性能都有所提升,尤其是在高覆盖率的知识图场景中取得了显著进步。该基准测试还展示了模型性能如何随着知识图的结构和密度的变化而变化,强调了知识集成对关系提取效果的重大影响。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号