DREEAM：以证据引导注意力改进文档级关系抽取
计算与语言
2023-02-20 v1
摘要
文档级关系抽取（DocRE）是识别文档中每对实体间所有关系的任务。证据定义为包含实体对之间关系线索的句子，已被证明可帮助DocRE系统聚焦于相关文本，从而改进关系抽取。然而，DocRE中的证据检索（ER）面临两个主要问题：高内存消耗和标注可用性有限。本工作旨在解决这些问题以改进ER在DocRE中的使用。首先，我们提出DREEAM，一种内存高效的方法，其将证据信息作为监督信号，从而引导DocRE系统的注意力模块为证据分配高权重。其次，我们为DREEAM提出一种自训练策略，以在无需证据标注的海量数据上从自动生成的证据中学习ER。实验结果表明，我们的方法在DocRED基准上针对DocRE和ER均展现出最先进的性能。据我们所知，DREEAM是首个采用ER自训练的方法。
引用
@article{arxiv.2302.08675,
title = {DREEAM: Guiding Attention with Evidence for Improving Document-Level Relation Extraction},
author = {Youmi Ma and An Wang and Naoaki Okazaki},
journal= {arXiv preprint arXiv:2302.08675},
year = {2023}
}
备注
Accepted by EACL 2023