一种用于跨文档关系抽取的层次化实体图卷积网络
计算与语言
2021-08-24 v1
摘要
远程监督的关系抽取数据集大多聚焦于句子级抽取，且覆盖的关系种类极少。在本工作中，我们提出跨文档关系抽取，其中关系元组的的两个实体出现在两个不同文档中，且通过一条公共实体链相连。遵循该思路，我们构建了一个两跳关系抽取数据集，其中每条链恰好包含两个文档。我们提出的数据集比公开可用的句子级数据集覆盖了更多的关系。我们还提出了一种用于该任务的层次化实体图卷积网络（HEGCN）模型，与一些强神经基线相比，其在我们的两跳关系抽取数据集上以 1.1% 的 F1 分数提升了性能。
引用
@article{arxiv.2108.09505,
title = {A Hierarchical Entity Graph Convolutional Network for Relation Extraction across Documents},
author = {Tapas Nayak and Hwee Tou Ng},
journal= {arXiv preprint arXiv:2108.09505},
year = {2021}
}
备注
Accepted in RANLP 2021