CQE: A Comprehensive Quantity Extractor

要約

事実の情報を説明する文書では数量が不可欠です。
これらは、金融、ビジネス、医学、科学全般などのアプリケーション領域で広く普及しています。
他の情報抽出アプローチと比較すると、興味深いことに、テキスト内の数量を適切に抽出して表現する方法を説明した著作はわずかしか存在しません。
本稿では、テキストデータからのそのような包括的な量抽出フレームワークを紹介します。
値と単位の組み合わせ、量の動作 (上昇または下降など)、および量に関連付けられている概念を効率的に検出します。
私たちのフレームワークは依存関係の解析と単位の辞書を利用し、検出された量の適切な正規化と標準化を提供します。
評価に新しいデータセットを使用することで、私たちのオープンソース フレームワークが他のシステムよりも優れたパフォーマンスを発揮し、私たちの知る限りでは、特定された量に関連する概念を最初に検出できることを示しました。
私たちのフレームワークの基礎となるコードとデータは、https://github.com/vivkaz/CQE で入手できます。

要約(オリジナル)

Quantities are essential in documents to describe factual information. They are ubiquitous in application domains such as finance, business, medicine, and science in general. Compared to other information extraction approaches, interestingly only a few works exist that describe methods for a proper extraction and representation of quantities in text. In this paper, we present such a comprehensive quantity extraction framework from text data. It efficiently detects combinations of values and units, the behavior of a quantity (e.g., rising or falling), and the concept a quantity is associated with. Our framework makes use of dependency parsing and a dictionary of units, and it provides for a proper normalization and standardization of detected quantities. Using a novel dataset for evaluation, we show that our open source framework outperforms other systems and — to the best of our knowledge — is the first to detect concepts associated with identified quantities. The code and data underlying our framework are available at https://github.com/vivkaz/CQE.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google