关系作为先验：一种基于 LLM 的文档级关系抽取新范式
计算与语言
2025-11-12 v1 人工智能
摘要
大型语言模型 (LLM) 在文档理解方面展现出了卓越的能力。然而，最近的研究表明，由于需要细粒度的理解，LLM 在文档级关系抽取 (DocRE) 中仍存在性能差距。基于 LLM 的方法中普遍采用的“先抽取实体再预测关系”范式导致这些差距，主要原因有两个：(1) 大量不相关的实体对引入了噪声，干扰了真正相关实体对的关系预测。(2) 尽管 LLM 已经识别出实体间的语义关联，但超出预定义集合的关系标签仍被视为预测错误。为了应对这些挑战，我们提出了一种用于基于 LLM 的 DocRE 的新颖的关系作为先验 (RelPrior) 范式。针对挑战 (1)，RelPrior 利用二元关系作为先验来抽取并判断两个实体是否相关，从而过滤掉不相关的实体对并减少预测噪声。针对挑战 (2)，RelPrior 利用预定义关系作为先验来匹配实体以进行三元组抽取，而不是直接预测关系。因此，它避免了由严格的预定义关系标签引起的误判。在两个基准上的大量实验表明，RelPrior 实现了最先进的性能，超越了现有的基于 LLM 的方法。
引用
@article{arxiv.2511.08143,
title = {Relation as a Prior: A Novel Paradigm for LLM-based Document-level Relation Extraction},
author = {Qiankun Pi and Yepeng Sun and Jicang Lu and Qinlong Fan and Ningbo Huang and Shiyu Wang},
journal= {arXiv preprint arXiv:2511.08143},
year = {2025}
}
备注
17 pages