基于实体表示增强的文档级关系抽取
作者机构:江南大学物联网工程学院
出 版 物:《计算机应用》 (Journal of Computer Applications)
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)]
主 题:文档级关系抽取 注意力机制 证据搜索 表示学习 两跳信息
摘 要:针对现有的文档级关系抽取任务实体表示学习存在忽视实体提及差异性和缺少实体对关系抽取复杂度计算范式的问题,提出一种基于实体表示增强的文档级关系抽取(DREERE)模型。首先,利用注意力机制评估实体提及在判定不同实体对关系时的差异性,得到更加灵活的实体表示;其次,利用编码器计算得到的实体对句子重要性分布来评估实体对关系抽取的复杂度,再选择性地利用实体对之间的两跳信息增强实体对的表示。在流行的数据集DocRED、Re-DocRED和DWIE上进行实验,结果显示DREERE模型与最强基线模型相比,F1值分别提高了0.06、0.14和0.23个百分点,ign-F1值分别提高了0.07、0.09和0.12个百分点。实验结果表明,DREERE模型能够有效获取文档实体语义信息。