Extraction de relations
L'extraction de relations consiste à prédire les attributs des entités et leurs relations mutuelles dans une phrase, dans le but d'identifier et de classer les relations entre les entités mentionnées dans le texte. Cette tâche est essentielle pour la construction de graphes de connaissances relationnels et peut considérablement améliorer les performances des applications de traitement automatique des langues naturelles, telles que la recherche structurée, l'analyse de sentiments, les systèmes de réponse aux questions et la synthèse de texte.
DocRED
DREEAM
TACRED
DeepStruct multi-task w/ finetune
SemEval-2010 Task-8
ACE 2005
Multi-turn QA
CoNLL04
REBEL
Adverse Drug Events (ADE) Corpus
ITER
WebNLG
PFN
ChemProt
SciBert (Finetune)
NYT11-HRL
RERE
ACE 2004
PL-Marker
CDR
SAISORE+CR+ET-SciBERT
NYT10-HRL
ReRe
FUNSD
GDA
Re-TACRED
SpanBERT
NYT
NYT Corpus
KGPOOL
ReDocRED
DREEAM
SemEval 2018 Task 10
SVM with GloVe
NYT21
DDI
KeBioLM
DWIE
GAD
BioLinkBERT (large)
NYT-single
ETL-Span
NYT29
SciERC
PFN
SKE
ReRe (exact)
TACRED-Revisited
BioRED
PubMedBERT
Dataset: Relationship extraction for knowledge graph creation from biomedical literature (Gene-Disease relationships)
FewRel
ERNIE
NYT24
WDec
REBEL
SemEval-2010 Task 8
LLM-QA4RE (XXLarge)
WLPC
SpanRel
2010 i2b2/VA
Spark NLP
2012 i2b2 Temporal Relations
Spark NLP
2018 n2c2 posology
Spark NLP
ADE Corpus
PFN
Dataset: Relationship extraction for knowledge graph creation from biomedical literature (Gene-Disease relationships) n
DuIE
Google RE
JNLPBA
SciBERT (SciVocab)
LPSC-contains
LPSC-hasproperty
Stacked_LinkedBERT
MUC6
iDepNN
PGR
Spark NLP
sciERC-sent
RELA
Wikipedia-Wikidata relations
ContextAtt
WNUT 2020
Baseline