基于实体提及的关系特定注意力机制以增强文档级关系抽取

与传统句子级关系抽取相比，文档级关系抽取是一项更具挑战性的任务，其中文档中的一个实体可能被多次提及并与多种关系相关联。然而，大多数文档级关系抽取方法不区分提及级特征与实体级特征，仅应用简单池化操作将提及级特征聚合为实体级特征。因此，同一实体不同提及之间的语义差异被忽视。为解决该问题，本文提出 RSMAN，其对不同实体提及针对候选关系执行选择性注意力。以此方式，获得了灵活的、关系特定的实体表示，这确实有益于关系分类。我们在两个基准数据集上的大量实验表明，我们的 RSMAN 能为某些骨干模型带来显著改进，从而达到最先进性能，尤其在实体在文档中具有多个提及时。