A Survey on Recent Named Entity Recognition and Relation Classification Methods with Focus on Few-Shot Learning Approaches

要約

固有表現の認識と関係の分類は、非構造化テキストから情報を抽出するための重要な段階です。
いくつかの自然言語処理アプリケーションでは、情報検索、ナレッジ グラフの構築と完成、質問応答、および生物医学データ マイニングなどのその他のドメイン固有のアプリケーションなど、2 つのタスクを利用します。
少数ショット学習アプローチに焦点を当てた 2 つのタスクにおける最近のアプローチの調査を紹介します。
私たちの研究では、2 つのパラダイムで採用されている主なアプローチを比較しています。
さらに、数ショット学習範囲の結果を考慮した構造化分析を使用して、2 つのタスクの最新のメトリクス スコアを報告します。

要約(オリジナル)

Named entity recognition and relation classification are key stages for extracting information from unstructured text. Several natural language processing applications utilize the two tasks, such as information retrieval, knowledge graph construction and completion, question answering and other domain-specific applications, such as biomedical data mining. We present a survey of recent approaches in the two tasks with focus on few-shot learning approaches. Our work compares the main approaches followed in the two paradigms. Additionally, we report the latest metric scores in the two tasks with a structured analysis that considers the results in the few-shot learning scope.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google