VaeDiff-DocRE：面向文档级关系抽取的端到端数据增强框架
计算与语言
2025-01-14 v2 人工智能
摘要
文档级关系抽取（DocRE）旨在识别文档中实体对之间的关系。然而，大多数现有方法假设标签分布均匀，导致在现实世界不平衡数据集上性能欠佳。为应对这一挑战，我们提出了一种新颖的数据增强方法，利用生成模型从嵌入空间增强数据。我们的方法利用变分自编码器（VAE）架构捕获由实体对表示形成的所有关系级分布，并为欠表示关系增强数据。为了更好地捕捉DocRE的多标签性质，我们使用扩散模型参数化VAE的潜在空间。此外，我们引入了一个分层训练框架，将所提出的基于VAE的增强模块集成到DocRE系统中。在两个基准数据集上的实验表明，我们的方法优于最先进的模型，有效解决了DocRE中的长尾分布问题。
引用
@article{arxiv.2412.13503,
title = {VaeDiff-DocRE: End-to-end Data Augmentation Framework for Document-level Relation Extraction},
author = {Khai Phan Tran and Wen Hua and Xue Li},
journal= {arXiv preprint arXiv:2412.13503},
year = {2025}
}
备注
COLING 2025