基于构建双粒度图的文档级关系抽取
作者机构:合肥综合性国家科学中心人工智能研究院 安徽理工大学计算机科学与工程学院
出 版 物:《计算机工程》 (Computer Engineering)
年 卷 期:2024年
学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金面上项目(62076006) 安徽高校协同创新项目(GXXT-2021-008)
主 题:文档级关系抽取 双粒度文档图 异步降噪 修辞语篇关系 依存句法关系
摘 要:文档级关系抽取是指在非结构性文本中抽取实体对之间的关系。当前的文档级关系抽取方法未能充分利用文档语义信息且难以处理文档的噪声干扰,针对此问题,该文提出一种基于构建双粒度文档图的关系抽取模型,该模型采用了一种新型的构图思路以及降噪方法,分别在句间和句内两个层面进行设计,首先在句间层面使用修辞语篇关系与实体提及关系构建修辞语篇关系图,为避免因实体对的句间关系路径大于句内关系路径而导致的结构性误剪枝,这里采用异步降噪方式生成粗粒度文档图。然后为增强句内语义信息,在句内层面采用依存句法关系对文档中的句子进行解析,构造出依存句法森林,最终将依存句法森林和粗粒度文档图中存在的公共锚点相连接,构造出最终的细粒度文档图。实验结果表明,与最新模型相比,该模型的lgnF1和F1值分别提升了0.4,0.51个百分点,并且在实体对的多标签关系上随着标签数量增多,效果尤为明显,在标签量为4时,micro-average F1相较于BERTbase提升了13.35%。