端到端构建NLP知识图谱

本文研究了从科学论文中端到端构建自然语言处理知识图谱（KG）。我们集中提取四种关系：任务与数据集之间的evaluatedOn，任务与评估指标之间的evaluatedBy，以及同类实体之间的共指和相关关系。例如，“F1分数”与“F-measure”是共指的。我们为每种关系类型引入了新方法，并将我们的最终框架（SciNLP-KG）应用于来自ACL文集的30,000篇NLP论文，以构建大规模KG，这可以便利NLP社区自动构建科学排行榜。我们的实验结果表明，生成的KG包含高质量的信息。