IEPile 是由浙江大学研发的大规模高质量的双语（中英）信息抽取 (IE) 指令微调数据集，涵盖了命名实体识别 (NER) 、关系抽取 (RE) 和事件抽取 (EE) 三大核心子任务。该数据集包含约 200 万条指令样本，总计约 3.2 亿 Token，涵盖了通用、医学、金融等多个领域。 研究团队通过精心整合 26 个英文和 7 个中文 IE 数据集，并采用提出的「基于 schema 的轮询指令构造方法」，包括构建难负样本字典和轮询式指令生成，确保了数据集的高质量。 IEPile 的构建显著提升了大型模型在信息抽取任务，尤其是零样本泛化能力上的表现，为信息抽取研究提供了宝贵的资源。

Citation

@article{DBLP:journals/corr/abs-2402-14710, author = {Honghao Gui and Lin Yuan and Hongbin Ye and Ningyu Zhang and Mengshu Sun and Lei Liang and Huajun Chen}, title = {IEPile: Unearthing Large-Scale Schema-Based Information Extraction Corpus}, journal = {CoRR}, volume = {abs/2402.14710}, year = {2024}, url = {https://doi.org/10.48550/arXiv.2402.14710}, doi = {10.48550/ARXIV.2402.14710}, eprinttype = {arXiv}, eprint = {2402.14710}, timestamp = {Tue, 09 Apr 2024 07:32:43 +0200}, biburl = {https://dblp.org/rec/journals/corr/abs-2402-14710.bib}, bibsource = {dblp computer science bibliography, https://dblp.org} }