HyperAIHyperAI
vor 19 Tagen

Dokumentebene-Relationsextraktion mit kontextgeleiteter Erwähnungsintegration und Inter-Paar-Reasoning

Chao Zhao, Daojian Zeng, Lu Xu, Jianhua Dai
Dokumentebene-Relationsextraktion mit kontextgeleiteter Erwähnungsintegration und Inter-Paar-Reasoning
Abstract

Dokumentweite Relationsextraktion (DRE) zielt darauf ab, die Beziehungen zwischen zwei Entitäten zu erkennen. Die Entität kann dabei mehrere Erwähnungen aufweisen, die sich über Satzgrenzen hinweg erstrecken. Bisherige Studien haben die Integration von Erwähnungen nur selten untersucht, was problematisch sein kann, da coreferente Erwähnungen nicht gleichwertig zu einer bestimmten Relation beitragen. Zudem konzentrieren sich vorherige Ansätze hauptsächlich auf die Schlussfolgerung auf Entitätsebene, anstatt die globalen Wechselwirkungen zwischen Entitätenpaaren zu erfassen. In diesem Paper stellen wir zwei neue Techniken vor: Context Guided Mention Integration (CGMI) und Inter-pair Reasoning (IR), um die DRE zu verbessern. Anstelle einer einfachen Durchschnitts-Pooling-Strategie werden die Kontextinformationen genutzt, um die Integration coreferenter Erwähnungen gewichteter Summenform zu gestalten. Zudem führt das Inter-pair Reasoning einen iterativen Algorithmus auf dem Entitätenpaar-Graphen durch, um die Wechselbeziehungen zwischen Relationen zu modellieren. Wir evaluieren unser CGM2IR-Modell an drei weit verbreiteten Benchmark-Datensätzen: DocRED, CDR und GDA. Experimentelle Ergebnisse zeigen, dass unser Modell die bisherigen state-of-the-art-Modelle übertrifft.