RE$^2$：面向富视觉文档的区域感知关系抽取

当前表单理解研究主要依赖大型预训练语言模型，需要大量数据进行预训练。然而，布局结构（即富视觉文档中实体块之间的空间关系）对关系抽取的重要性被忽视了。本文提出REgion-Aware Relation Extraction（RE$^2$），利用实体块间区域级空间结构来改进其关系预测。我们设计了一种边感知图注意力网络，在学习实体间交互的同时考虑由其区域级表示所定义的空间关系。我们还引入了一个约束目标，使模型正则化以与关系抽取任务的内在约束保持一致。跨多种数据集、语言和领域的广泛实验证明了我们所提方法的优越性。