TTM-RE：用于文档级关系抽取的记忆增强方法

文档级关系抽取旨在对文档中任意两个实体之间的关联进行分类。我们发现，面向文档级关系抽取的现有方法在充分利用训练数据中 varied noise 水平的潜力方面效果不佳。例如，在ReDocRED基准数据集中，针对大规模、低质量、来源不明的训练数据的基于最先进的方法，通常不如仅针对规模较小、高质量、人工标注训练数据的模型。为充分发挥大规模噪声训练数据在文档级关系抽取中的潜力，我们提出了TTM-RE，这是一种 novel 方法，将可训练记忆模块（即 Token Turing Machine）与能考虑正-未标注设置的噪声鲁棒损失函数相结合。对ReDocRED进行大量实验表明，TTM-RE取得了最先进性能（F1分数提升超过3%）。消融研究进一步表明，TTM-RE在其他领域（如医学领域的ChemDisGene数据集）以及在高度未标注设置下也具有优势。