استخراج العلاقات على مستوى الوثيقة مع تقدير أهمية الجمل والتركيز عليها

استخراج العلاقات على مستوى الوثيقة (DocRE) يهدف إلى تحديد العلاقة بين كيانين من وثيقة تحتوي على جمل متعددة. تميل الدراسات الحديثة عادةً إلى تمثيل الوثيقة بأكملها باستخدام نماذج قائمة على التسلسل أو الرسم البياني لتنبؤ العلاقات بين جميع أزواج الكيانات. ومع ذلك، نجد أن مثل هذا النموذج ليس قويًا ويظهر سلوكيات غريبة: فهو يتنبأ بشكل صحيح عند إدخال وثيقة اختبار كاملة كمدخل، ولكنه يخطئ عندما يتم إزالة الجمل غير الدليلية. بهدف معالجة هذه المشكلة، نقترح إطار العمل تقدير الأهمية والتركيز على الجمل (SIEF) لـ DocRE، حيث نصمم درجة أهمية الجمل وخسارة التركيز على الجمل، مما يشجع نماذج DocRE على التركيز على الجمل الدليلية. تظهر النتائج التجريبية في مجالين أن SIEF لا仅 فقط تحسن الأداء العام، بل تجعل أيضًا نماذج DocRE أكثر قوة. بالإضافة إلى ذلك، يعد SIEF إطار عمل عامًا، وقد ثبت فعاليته عند دمجه مع مجموعة متنوعة من النماذج الأساسية لـ DocRE.请注意，上文中的“لا仅 فقط”是笔误，正确的翻译应该是“لا فقط”：استخراج العلاقات على مستوى الوثيقة (DocRE) يهدف إلى تحديد العلاقة بين كيانين من وثيقة تحتوي على جمل متعددة. تميل الدراسات الحديثة عادةً إلى تمثيل الوثيقة بأكملها باستخدام نماذج قائمة على التسلسل أو الرسم البياني لتنبؤ العلاقات بين جميع أزواج الكيانات. ومع ذلك، نجد أن مثل هذا النموذج ليس قويًا ويظهر سلوكيات غريبة: فهو يتنبأ بشكل صحيح عند إدخال وثيقة اختبار كاملة كمدخل، ولكنه يخطئ عندما يتم إزالة الجمل غير الدليلية. بهدف معالجة هذه المشكلة، نقترح إطار العمل تقدير الأهمية والتركيز على الجمل (SIEF) لـ DocRE، حيث نصمم درجة أهمية الجمل وخسارة التركيز على الجمل، مما يشجع نماذج DocRE على التركيز على الجمل الدليلية. تظهر النتائج التجريبية في مجالين أن SIEF لا فقط تحسن الأداء العام، بل تجعل أيضًا نماذج DocRE أكثر قوة. بالإضافة إلى ذلك، يعد SIEF إطار عمل عامًا، وقد ثبت فعاليته عند دمجه مع مجموعة متنوعة من النماذج الأساسية لـ DocRE.