基于回指与逻辑推理的文档级关系抽取模型

来源：计算机应用杂志2025年第5期北京时间：

作者：胡婕, 吴翠, 孙军, 张龑

单位：1.湖北大学 计算机学院，武汉 430062；2.大数据智能分析与行业应用湖北省重点实验室（湖北大学），武汉 430062；3.智慧政务与人工智能应用湖北省工程研究中心（湖北大学），武汉 430062

摘要：在文档级关系抽取（DocRE）任务中，现有模型主要侧重于学习文档中实体间的交互，忽略了对实体内部结构的学习，并很少关注到文档中的代词指代识别问题以及对逻辑规则的应用，这导致模型对文档中实体间关系的建模不够准确。因此，基于Transformer的架构融合关系回指图，建模实体间交互和实体内部结构，从而利用回指将更多上下文信息聚合到相应实体上以提高关系抽取的准确性。此外，采用数据驱动方式从关系注释中挖掘逻辑规则，增强对文本隐含逻辑关系的理解和推理能力。针对样本不平衡问题，引入加权长尾损失函数提高对稀有关系的识别准确性。在2个公开数据集DocRED（Document-level Relation Extraction Dataset）和Re-DocRED（Revisiting Document-level Relation Extraction Dataset）上的实验结果表明，所提模型性能表现最优，在DocRED测试集上，基于BERT编码器的模型的IgnF1和F1值比基线模型ATLOP（Adaptive Thresholding and Localized cOniext Pooling）分别提高了1.79和2.09个百分点，可见所提模型的综合性能较高。

关键词：文档级关系抽取,关系回指图,逻辑规则,样本不平衡,加权长尾损失函数

基金资助：国家自然科学基金资助项目(61977021)