Revisiting Document-Level Relation Extraction with Context-Guided Link Prediction

本文探讨了文档级别关系抽取（DocRE）的挑战，即在文档中识别实体之间的关系，而不是传统的只输入单个句子的关系抽取。现有方法依赖于逻辑推理或实体的上下文线索。本文将文档级别关系抽取重新定义为在知识图谱上进行链接预测，具有以下显著优点：1）我们的方法将实体上下文与文档推导的逻辑推理相结合，提高了链接预测的质量。2）预测的实体之间的链接提供了可解释性，阐明了所使用的推理。我们在三个基准数据集（DocRED、ReDocRED和DWIE）上评估了我们的方法。结果表明，我们提出的方法优于现有的最先进模型，并表明结合基于上下文的链接预测技术可以提高文档级别关系抽取模型的性能。

本文旨在解决文档级关系抽取中的实体之间关系的识别问题，并将其重新定义为知识图谱上的链接预测问题，以提高关系抽取的准确性和可解释性。

本文将文档级关系抽取重新定义为知识图谱上的链接预测问题，结合实体上下文和基于文档推理的逻辑推理，提高链接预测质量。

实验结果表明，本文提出的方法优于现有的最先进模型，并且预测的实体之间的链接提供了可解释性，阐明了所采用的推理方法。

最近的相关研究包括《DocRED: A Large-Scale Document-Level Relation Extraction Dataset》、《ReDWeb: A Large Collection of Richly Annotated Webpages for Extracting Referring Expressions》和《DWIE: A Large-Scale Dataset for Domain-Wise Inference and Explanation》。