Comparison of Relation Extraction Models for Generating Knowledge Graphs in the Oil Drilling Domain
Authors:
- Arnaldo Candido JuniorAJArnaldo Candido Junior
- Ivan Rizzo GuilhermeIGIvan Rizzo Guilherme
- Bruno Elias PenteadoBPBruno Elias Penteado
- Stephan Ribeiro PerroutSPStephan Ribeiro Perrout
- Luis Henrique MorelliLMLuis Henrique Morelli
- Pedro Henrique PaiolaPPPedro Henrique Paiola
- Gabriel Lino GarciaGGGabriel Lino Garcia
Open Access
- 17 November 2024
- conference paper
- Published by Sociedade Brasileira de Computação
- p. 707-718
Abstract
Grafos de Conhecimento são estruturas que oferecem conhecimento explícito, raciocínio simbólico e resultados interpretáveis, além de poderem ser aprimoradas com o tempo. Por isso, a extração automática de relações entre entidades a partir de textos não estruturados é uma das atuais áreas de pesquisa do Processamento de Linguagem Natural. Neste artigo, selecionamos três modelos de extração de relações do estado da arte treinados em domínio geral e comparamos seus resultados obtidos em um dataset da área de perfuração de poços de petróleo. Os resultados demonstraram a baixa eficácia dos modelos gerais quando aplicados à linguagem técnica deste domínio.Keywords
This publication has 26 references indexed in Scilit:
- Unifying Large Language Models and Knowledge Graphs: A RoadmapIEEE Transactions on Knowledge and Data Engineering, 2024
- A Comprehensive Survey on Automatic Knowledge Graph ConstructionACM Computing Surveys, 2023
- Survey of Hallucination in Natural Language GenerationACM Computing Surveys, 2023
- ChatGPT: Fundamentals, Applications and Social Impacts2022
- Automatic event identification and extraction from daily drilling reports using an expert system and artificial intelligenceJournal of Petroleum Science and Engineering, 2021
- Knowledge GraphsACM Computing Surveys, 2021
- Portuguese word embeddings for the oil and gas industry: Development and evaluationComputers in Industry, 2021
- Evolving Neural Conditional Random Fields for drilling report classificationJournal of Petroleum Science and Engineering, 2020
- BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension2020
- Natural language processing: an introductionJournal of the American Medical Informatics Association, 2011