-
Quantum Knowledge Graph：让知识图谱理解“上下文”
在大语言模型快速发展的今天，知识图谱的价值不再只是“存储事实”，而是为模型推理提供可检查、可验证、可追溯的外部知识基础。然而，传统知识图谱通常把每条三元组关系视为全局有效：只要图中存在 (head, relation, tail)，它就被默认当作可用证据。... -
CED：篇章目录结构树抽取
目录作为篇章中天然的结构化信息，可以快速定位目标信息所在的片段。本项目旨在提供一系列从篇章中抽取目录结构的数据集和工具。 -
Mirror：面向各类信息抽取任务的通用框架
针对信息抽取任务繁多，各任务之间无法有效共享知识的问题，我们设计了一种统一的信息抽取框架，从而促进模型对于各任务的能力。该框架不仅支持命名实体识别、关系抽取、事件抽取等传统任务，也支持文本分类、多元抽取、非连续实体抽取、阅读理解等复杂任务。我们还对任务预训练数据进行了消融实验，结果发现分类和阅读理解任务对信息抽取任务有着良好的提升作用。...