基于平面化句子表示提升关系抽取性能

来源：计算机工程与应用杂志2025年第16期北京时间：

作者：王昊, 陈艳平, 黄瑞章, 秦永彬

单位：1.贵州大学 文本计算与认知智能教育部工程研究中心，贵阳 550025；2.贵州大学 公共大数据国家重点实验室，贵阳 550025；3.贵州大学 计算机科学与技术学院，贵阳 550025

摘要：关系抽取旨在识别句子中命名实体之间的关系。上下文语境决定了命名实体间的真实关系，因此研究者们期望模型能够正确识别上下文语境中反映的实体语义关系。然而，现有的关系抽取模型在很大程度上倾向于对实体名称模式的记忆，即通过学习和匹配特定实体名称组合来推断关系，而非基于上下文信息进行关系判断。这种对上下文信息的忽视可能导致模型在面对复杂语境、多义实体或罕见关系表达时，其预测性能受到限制，无法达到理想状态下的高精度与强泛化。为了解决这一问题，通过将输入文本转化为抽象的语义平面，并直接基于整个语义平面的信息进行关系判断，从而强制模型在预测实体间关系时考虑上下文信息。实验证明，该方法在中文文学文本语料、ACE05英文和SemEval-2010 Task-8三个数据集上的F1分数分别超过之前的相关研究1.9、1.03和0.39个百分点，有效提高了模型对上下文信息的利用程度和对复杂文本中实体关系的理解深度。

关键词：关系抽取,语义平面,实体偏差,平面化句子表示