ChatIE

ChatIE 项目介绍

ChatIE 是一个专注于零样本信息抽取（IE）的开源项目，利用ChatGPT和提示工程，自动从原始文本中提取结构化信息，帮助企业做出明智的业务决策。项目背后的核心技术被介绍在论文“Zero-Shot Information Extraction via Chatting with ChatGPT”中，并在多个数据集上取得优异成绩。

项目背景

零样本信息抽取旨在无需人工标注的情况下，从文本中构建信息抽取系统。这种方法减少了大量用于数据标注的时间和精力，而大规模语言模型（如GPT-3和ChatGPT）在这方面显示出了非凡的能力。这启发了研究人员通过提示方法将大语言模型用于信息抽取任务。

ChatIE 的核心理念

ChatIE 的目标是通过将零样本信息抽取任务转化为多轮问答问题，从而以两阶段框架来解决。通过这个方法，ChatIE 在以下三个信息抽取任务中表现优异：

• 实体关系三元组抽取：提取文本中的实体关系三元组。
• 命名实体识别：识别文本中的命名实体。
• 事件抽取：识别并提取文本中发生的事件。

研究表明，在六个数据集上的实验中，ChatIE 的表现甚至超过了某些全样本模型。

功能和任务

ChatIE 支持以下主要功能：

实体关系联合抽取 (RE)

这个任务旨在从普通文本中提取实体关系三元组，例如（中国, 首都, 北京），（《如懿传》, 主演, 周迅）。

• 输入：需要提供待分析的句子和关系类型列表。
• 示例：
  • 文本：“如懿传是一部古装宫廷情感电视剧，由周迅等主演。”
  • 输出：提取出相关的电影和主演之间的关系。

命名实体识别 (NER)

该任务的目标是从普通文本中识别出命名实体，例如地名和人名。

• 输入：需要提供待分析的句子和实体类型列表。
• 示例：
  • 文本：“James 在北京的 Google 工作。”
  • 输出：识别出人物和地点等实体。

事件抽取 (EE)

该任务旨在从普通文本中识别并提取事件信息。

• 输入：需要提供待分析的句子和事件类型列表。
• 示例：
  • 文本：“昨天，Bob 在广州与妻子离婚。”
  • 输出：识别出离婚事件及其相关角色和地点。

使用说明

ChatIE 使用 React 和 Flask 构建。用户可以通过访问其演示网站来体验这项工具。该项目支持自定义配置以适应不同的应用场景，适用于各种企业和研究机构。

数据使用政策

项目承诺通过收集用户数据来改善用户体验和项目功能，确保数据安全和仅用于改进项目的目的。

ChatIE 项目展示了在有限资源情况下替代传统信息抽取方法的潜力，未来将继续探索和优化其性能。