利用关系相关性进行文档级关系抽取

文档级关系抽取面临两个被忽视的挑战：长尾问题和多标签问题。以往工作主要关注为实体对获取更好的上下文表示，几乎未解决上述挑战。本文中，我们分析了关系的共现相关性，并首次将其引入 DocRE 任务。我们认为，相关性不仅能在数据丰富的关系与数据稀缺的关系之间迁移知识，以辅助长尾关系的训练，还能反映语义距离，引导分类器为多标签实体对识别语义相近的关系。具体而言，我们以关系嵌入为媒介，从粗粒度和细粒度两个视角提出两个共现预测子任务来捕获关系相关性。最后，学习到的相关性感知嵌入被用于引导关系事实的抽取。我们在两个流行的 DocRE 数据集上进行了充分实验，我们的方法相比基线取得了更优结果。深入的分析也展示了关系相关性解决上述挑战的潜力。