摘要
开放信息抽取（Open Information Extraction, OpenIE）旨在从句子中提取结构化的语义三元组（主语，关系，宾语），在众多下游自然语言处理任务中发挥着关键作用。现有的解决方案通常在句子级别进行信息抽取，而未引入任何额外的上下文信息。然而，在实际应用中，句子往往作为文档的一部分存在，而非孤立个体；要准确理解其含义，通常需要结合其周围的上下文信息。由于目前尚无面向文档级上下文感知的OpenIE数据集，我们手动标注了来自80篇文档的800个句子，涵盖医疗健康与交通运输两个领域，构建了一个名为DocOIE的评估数据集。此外，我们提出了一种新型的文档级上下文感知OpenIE模型——DocIE。基于该模型的实验结果表明，引入文档级上下文信息有助于显著提升OpenIE的性能。目前，DocOIE数据集与DocIE模型均已公开发布，供学术界和工业界使用。