通过易关系增强与对比学习改进长尾文档级关系抽取
计算与语言
2022-05-24 v1 人工智能
摘要
面向真实世界的信息抽取场景，关系抽取的研究正推进到文档级关系抽取（DocRE）。现有的DocRE方法旨在通过新颖的模型架构对长上下文中的多种信息源进行编码以抽取关系。然而，DocRE固有的长尾分布问题被先前工作所忽视。我们认为缓解长尾分布问题对于真实场景下的DocRE至关重要。受长尾分布问题驱动，我们提出一种易关系增强（ERA）方法，通过提升尾部关系的性能来改进DocRE。此外，我们进一步提出一种基于ERA的新型对比学习框架，即ERACL，该框架可进一步提升模型在尾部关系上的性能，并相比SOTA取得有竞争力的整体DocRE性能。
引用
@article{arxiv.2205.10511,
title = {Improving Long Tailed Document-Level Relation Extraction via Easy Relation Augmentation and Contrastive Learning},
author = {Yangkai Du and Tengfei Ma and Lingfei Wu and Yiming Wu and Xuhong Zhang and Bo Long and Shouling Ji},
journal= {arXiv preprint arXiv:2205.10511},
year = {2022}
}