基于句间信息的图注意力卷积网络的文档级关系抽取

摘要：

为解决现有模型对文档的结构信息挖掘不足的问题,提出一种基于句间信息的图注意力卷积网络模型.该模型改进了 一种文档级编码器,该编码器使用了 一种新的注意力机制——句间注意力机制,使得句子的最终表示更加关注前一个句子和之前文档中的重要信息,更有利于挖掘文档的结构信息.实验结果表明,所提模型在DocRED数据集上的F1评价指标达到56.3％,性能优于基线模型.在融入句间注意力机制时,由于模型需要对每一句话分别进行句间注意力操作,因此训练模型时需要消耗更多的内存和时间.基于句间信息的图注意力卷积网络模型可以有效地对文档中的相关信息进行聚合,并且增强对文档的结构信息的挖掘能力,从而使得模型在文档级关系抽取任务中效果得到提升.

关键词：文档级关系抽取、注意力机制、文档级编码器、图卷积网络

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-09-06（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：181-186