HIN：用于文档级关系抽取的分层推理网络
计算与语言
2020-03-31 v1
摘要
文档级关系抽取（RE）需要跨多个句子进行阅读、推理与聚合。我们认为，文档级 RE 有必要利用多粒度推理信息：实体级、句子级与文档级。因此，如何获取并聚合不同粒度的推理信息对文档级 RE 而言具有挑战性，而先前工作未考虑此问题。本文中，我们提出一种分层推理网络（HIN）以充分利用来自实体级、句子级与文档级的丰富信息。翻译约束与双线性变换被应用于多子空间中的目标实体对，以获取实体级推理信息。接下来，我们对实体级信息与句子表示之间的推理建模，以实现句子级推理信息。最后，采用一种分层聚合方法获得文档级推理信息。如此，我们的模型能有效聚合来自这三种不同粒度的推理信息。实验结果表明，我们的方法在大规模 DocRED 数据集上达到了最先进（SOTA）性能。我们还证明使用 BERT 表示可进一步大幅提升性能。
引用
@article{arxiv.2003.12754,
title = {HIN: Hierarchical Inference Network for Document-Level Relation Extraction},
author = {Hengzhu Tang and Yanan Cao and Zhenyu Zhang and Jiangxia Cao and Fang Fang and Shi Wang and Pengfei Yin},
journal= {arXiv preprint arXiv:2003.12754},
year = {2020}
}
备注
Accepted by PAKDD 2020