本文探讨了如何利用大规模语言模型如ChatGPT，在零样本条件下改进信息抽取任务。作者提出了一种多阶段方法，包括类型识别和链式信息抽取，通过多轮交互式问答获取结构化数据。实验结果展示了在PaddleNLPLIC2021EE和Text2event等数据集上的性能。
1、写作动机：
近来的大规模语言模型（例如Chat GPT）在零样本设置下取得了很好的表现，这启发作者探索基于提示的方法来解决零样本IE任务。
2、主要贡献：
提出了基于chatgpt的多阶段的信息抽取方法：在第一阶段找出可能存在于句子中的相应元素类型。然后在第二阶段，对第一阶段中的每个元素类型执行链式信息抽取。每个阶段都采用了多轮QA过程。在每一轮中，基于设计的模板和先前提取的信息构造提示，作为输入向ChatGPT提问。最后，将每一轮的结果组合成结构化数据。
3、方法：
4、实验结果：
PaddleNLP LIC2021 EE、 Text2event
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
