IEPile は、浙江大学によって開発された大規模で高品質のバイリンガル (中国語と英語) の情報抽出 (IE) 命令微調整データ セットであり、固有表現認識 (NER)、関係抽出 (RE) の 3 つの中核領域をカバーしています。およびイベント抽出 (EE)。データセットには、一般用途、医療、金融などの複数の分野をカバーする約 200 万の指示サンプル、合計約 3 億 2,000 万のトークンが含まれています。 研究チームは、英語 26 個と中国語 7 個の IE データセットを慎重に統合し、高品質を確保するために、否定が困難なサンプル辞書の構築とポーリング命令の生成を含む、提案された「スキーマベースのポーリング命令構築方法」を採用しました。データセットの品質。 IEPile の構築により、情報抽出タスクにおける大規模モデルのパフォーマンス、特にゼロサンプル汎化機能が大幅に向上し、情報抽出研究に貴重なリソースが提供されます。

引用

@article{DBLP:journals/corr/abs-2402-14710, 著者 = {Honghao Gui および 林元と ホンビン・イェさんと 張寧宇さんと 孫孟叔と レイ・リャンと チェン・ホアジュン}、 タイトル = {IEPile: 大規模なスキーマベースの情報抽出の解明 コーパス}、 ジャーナル = {CoRR}、 ボリューム = {abs/2402.14710}、 年 = {2024}、 url = {https://doi.org/10.48550/arXiv.2402.14710}, ドイ = {10.48550/ARXIV.2402.14710}、 eprinttype = {arXiv}、 eprint = {2402.14710}、 タイムスタンプ = {火、2024年4月9日 07:32:43 +0200}、 biburl = {https://dblp.org/rec/journals/corr/abs-2402-14710.bib}, bibsource = {dblp コンピュータサイエンス参考文献、https://dblp.org} }