【论文标题】Double Graph Based Reasoning for Document-level Relation Extraction 【作者团队】Shuang Zeng, Runxin Xu, Baobao Chang, Lei Li 【发表时间】2020/9/29 【论文链接】https://arxiv.org/abs/2009.13752 【代码链接】https://github.com/DreamInvoker/GAIN

【推荐理由】 本文来自北京大学常宝宝教授团队，该论文提出了具有双图的图聚合推理网络，建模了整个文档中不同句子之间的复杂交互作用，提升了文档集关系抽取的性能。 文档级关系提取旨在提取文档中实体之间的关系。与句子级关系提取不同，它需要对整个文档中的多个句子进行推理。本文提出了具有双图的图聚合推理网络（GAIN）。GAIN首先构造异质化水平图（hMG）来建模整个文档中不同句子之间的复杂交互作用，然后构造一个实体度图（EG），在此基础上作者提出了一种新颖的路径推理机制来推断实体之间的关系。在公开数据集DocRED上进行的实验表明，与以前的最新技术相比，GAIN的性能有了显着提高（F1分数上提升为为2.85%）。

算法流程图

内容中包含的图片若涉及版权问题，请及时与我们联系删除