Knowledge-Driven Cross-Document Relation Extraction

关系抽取（RE）是一种众所周知的自然语言处理应用，通常被视为句子或文档级任务。然而，最近有一些努力探索跨文档或文档间的关系抽取（CrossDocRE）。这与单个文档的情况不同，因为不同的文档通常关注不同的主题，而文档内的文本往往具有一个单一的目标。将来自不同文档的发现联系起来以识别新的关系是生物医学和其他领域中流行的基于文献的知识发现范例的核心。当前的CrossDocRE工作不考虑领域知识，这些知识通常在文档撰写时被认为是已知的。在这里，我们提出了一种新颖的方法KXDocRE，它将实体的领域知识与输入文本结合起来进行跨文档关系抽取。我们提出的框架比基线具有三个主要优点：1）它将实体的领域知识与文档的文本结合起来；2）它通过生成解释性文本来解释预测的实体之间的关系；3）它提高了先前方法的性能。

本论文旨在提出一种新的跨文档关系抽取框架，名为KXDocRE，它结合了实体的领域知识和文本信息，以提高跨文档关系抽取的性能。

KXDocRE框架结合了实体的领域知识和文本信息，可以解决跨文档关系抽取的问题，并提供了可解释性和性能改进。

实验结果表明，KXDocRE框架在跨文档关系抽取任务中表现出色，并提供了可解释性的预测结果。该框架还可以扩展到其他领域的文本数据中。

最近的跨文档关系抽取研究包括Cross-Document Event Coreference (CDC)和Cross-Document Entity Coreference (CEC)等。