增强实体表示的文档级关系抽取方法研究

摘要：

文档级关系抽取是自然语言处理领域研究的热点和难点问题,基于图的模型是当前文档级关系抽取的主流方法之一,该类方法虽然能有效解决实体节点之间的长距离依赖问题,但其在构造节点时往往未充分考虑句子上下文、文档主题、实体对距离、实体对相似度等额外信息,导致关系抽取的性能较低.针对该问题,提出了基于增强实体表示的文档级关系抽取模型.首先,将原始文档作为输入,构建基础文档图结构;然后,通过图神经网络传播机制聚合邻接点的信息,将与实体关系预测相关的句子上下文、主题信息融入基础文档图的实体节点表示中,从而获得增强的实体节点表示;最后,利用增强后实体节点的图模型对实体关系进行预测.实验结果表明,所提模型在文档级关系抽取任务中的性能优于已有模型,且可解释性更好.

关键词：文档级、关系抽取、实体表示、图模型

所属期刊栏目：50

分类号：TN929.5

在线出版日期：2023-08-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：157-162