基于知识引导提示的因果概念提取（论文复现）
本文所涉及所有资源均在传知代码平台可获取
文章目录
- 基于知识引导提示的因果概念提取（论文复现）
- 论文概述
- 论文方法
- 提示构造器
- 获取典型概念集
- 聚类典型概念
- 构建训练数据
- 训练主题分类器
- 概念提取器
- 输入构造
- 指针网络
- 置信度评分
- 训练损失
- 实验部分
- 数据集
- 实验步骤
- 配置环境
- 核心代码
论文概述
预训练语言模型（PLMs）在概念提取中往往依赖于文本中的共现关联，而不是实际的因果关系，导致提取结果存在偏差和低精确度。为了解决这个问题，本文提出了通过知识引导提示来干预PLM的概念提取过程。这个提示利用现有知识图谱中的知识，帮助PLM聚焦于相关概念，减少对虚假共现的依赖，从而提高提取精度。实验结果表明，这种方法有效减少了偏差，显著提升了概念提取的性能。
论文方法
本文提出了一个名为KPCE的概念提取（CE）框架
