摘要
文档级关系抽取（DocRE）模型通常利用图网络隐式建模与文档中实体对之间关系相关的推理能力（如模式识别、逻辑推理、共指消解等）。本文提出一种新颖的判别式推理框架，旨在显式建模文档中每对实体之间的推理路径。为此，我们设计了一种判别式推理网络，基于为每对实体构建的图结构以及向量化文档上下文，估计不同推理路径的关系概率分布，从而实现关系识别。实验结果表明，该方法在大规模DocRE数据集上超越了先前的最先进性能。代码已公开，可访问 https://github.com/xwjim/DRN。
文档级关系抽取（DocRE）模型通常利用图网络隐式建模与文档中实体对之间关系相关的推理能力（如模式识别、逻辑推理、共指消解等）。本文提出一种新颖的判别式推理框架，旨在显式建模文档中每对实体之间的推理路径。为此，我们设计了一种判别式推理网络，基于为每对实体构建的图结构以及向量化文档上下文，估计不同推理路径的关系概率分布，从而实现关系识别。实验结果表明，该方法在大规模DocRE数据集上超越了先前的最先进性能。代码已公开，可访问 https://github.com/xwjim/DRN。