融合关系传递信息的双图文档级关系抽取方法
Computer Science（2023）
摘要
文档级关系抽取指在长段落的非结构性文本中抽取实体以及实体之间的关系.相较于传统的句子级关系抽取,文档级关系抽取需要融合多个句子的上下文信息,并且加以逻辑推理,才能抽取出关系三元组.针对目前文档级关系抽取方法中存在的文档语义信息建模不够完整且抽取效果具有局限性等问题,提出了 一种融合关系传递信息的双图文档级关系抽取方法.利用关系信息传递性将不同句子中提及之间的交互信息引入路径构造中,加以使用同句子中提及的交互信息以及提及之间的共指信息,构建提及节点间的路径集合,提高文档建模的完整性;应用路径集合和提及节点搭建提及层次的图聚合网络,建立文档语义信息模型;经过图卷积网络的信息迭代后,将相同实体的不同提及节点的信息进行融合,形成实体节点,构成实体层次的图推理网络;最终根据实体图节点间的路径信息进行逻辑推理,抽取出实体间的关系.在公开数据集DocRED上的实验结果表明,相对于基准模型,所提模型的F1值有1.2的提升,证明了该方法的有效性.
更多关键词
Document relation extraction,Relational transfer,Graph convolutional network,Logical reasoning
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要