基于实体表示增强的文档级关系抽取

来源：计算机应用杂志2025年第6期北京时间：

作者：王海杰, 张广鑫, 史海, 陈树

单位：江南大学 物联网工程学院，江苏 无锡 214122

摘要：针对现有的文档级关系抽取（DocRE）任务的实体表示学习存在的忽视实体提及差异性和缺少实体对关系抽取复杂度的计算范式的问题，提出一种基于实体表示增强的DocRE模型（DREERE）。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；最后，在3个流行的数据集DocRED、Re-DocRED和DWIE上进行实验。结果显示，与最优基线模型（如ATLOP（Adaptive Thresholding and Localized cOntext Pooling）、E2GRE（Entity and Evidence Guided Relation Extraction））相比，DREERE的F1值分别提高了0.06、0.14和0.23个百分点，忽略训练集出现的三元组而计算得到的F1分数（ign-F1）值分别提高了0.07、0.09和0.12个百分点，可见该模型能够有效获取文档里的实体语义信息。

关键词：文档级关系抽取,注意力机制,证据搜索,表示学习,两跳信息