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。

基于此框架，我们开发了一套通用的工具，从而方便用户快速完成各类信息的抽取。我们在此公开通用信息抽取工具Mirror的代码和预训练数据。该工具支持多种信息抽取任务，涵盖文本分类、命名实体识别、实体关系抽取、阅读理解、事件抽取。

Данные и Ресурсы

Mirror：面向各类信息抽取任务的通用工具Python _{【下载量：25】}
...
Исследуй
- Больше информации
- Перейти к ресурсу
多类信息抽取任务预训练数据集JSONL _{【下载量：20】}
我们在此公开通用信息抽取工具Mirror的预训练数据。该数据包括多种信息抽取任务，数据涵盖文本分类、命名实体识别、实体关系抽取、阅读理解、事件抽取等多个类别。
Исследуй
- Больше информации
- Перейти к ресурсу

Дополнительная информация

Поле	Величина
Источник	https://github.com/Spico197/Mirror
Автор	朱桐、陈文亮、王昊奋
Администратор	朱桐
Последнее обновление	марта 9, 2024, 10:19 (UTC)
Создано	марта 9, 2024, 10:19 (UTC)