一种用于文档级关系抽取的序列到序列方法

鉴于许多关系跨越句子边界，文档级关系抽取（DocRE）日益受到关注。DocRE 需要整合句内与跨句信息，捕捉实体提及之间的复杂交互。大多数现有方法基于流水线，需要以实体作为输入。然而，联合学习抽取实体与关系可因共享参数与训练步骤而提升性能并更高效。本文中，我们开发了称为 seq2rel 的序列到序列方法，能够端到端地学习 DocRE 的子任务（实体抽取、共指消解与关系抽取），取代由特定任务组件构成的流水线。利用一种称为实体提示的简单策略，我们在多个流行生物医学数据集上将我们的方法与现有基于流水线的方法比较，在某些情况下超越其性能。我们还报告了这些数据集上的首批端到端结果以供未来比较。最后，我们证明在我们的模型下，端到端方法优于基于流水线的方法。我们的代码、数据与训练模型可在 {\url{https://github.com/johngiorgi/seq2rel}} 获取。在线演示可在 {\url{https://share.streamlit.io/johngiorgi/seq2rel/main/demo.py}} 获取。