信息提取(IE)是自动从非结构化和半结构化文档中提取结构化信息的技术,可追溯至1970年代后期的NLP早期。主要任务包括命名实体识别(NER)、关系抽取、共指消解、事件抽取等。
根据ACL 2020和2019的统计,IE领域的研究热点分布如下:
- 46%的IE论文研究命名实体识别
- 27%的IE论文研究关系抽取
- 约9%的IE论文研究事件抽取
- 其他研究主题包括方面-意见挖掘、参数挖掘等
在NER领域,主要研究方向及占比:
- 处理噪声:约9%
- 外部知识引入:约18%
- 远程监督:约14%
- 跨域/跨语言:约18%
- 嵌套命名实体识别:涉及QUESTION, ANSWER, CONTEXT数据集,由Shannon、AI李小雅等在2021年提出统一MRC框架
关系抽取领域的研究热点:
- 可解释性神经关系抽取:4篇论文
- 开放域关系抽取:2篇论文
- 交叉句子关系抽取:1篇论文
- 处理噪声:1篇论文
主要聚焦于从开放领域事实中学习可解释关系
事件检测领域的研究热点: