SagDRE : Extraction de relations à l'échelle du document basée sur les graphes et sensible à la séquence avec une perte à marge adaptative

L’extraction de relations (RE) constitue une tâche fondamentale pour de nombreuses applications de traitement automatique du langage naturel. L’extraction de relations à l’échelle du document vise à identifier les relations présentes dans un document entier, ce qui pose de nombreux défis aux tâches d’extraction de relations, notamment en raison de la nécessité de raisonner à travers plusieurs phrases et de gérer plusieurs relations exprimées dans un même document. Les modèles d’extraction de relations de pointe actuels exploitent souvent une structure de graphe afin de mieux capturer les corrélations à longue portée. Dans ce travail, nous proposons un modèle appelé SagDRE, qui prend davantage en compte et exploite l’information séquentielle originale du texte. Le modèle proposé apprend des arêtes directionnelles au niveau des phrases pour capturer le flux d’information au sein du document, tout en utilisant l’information séquentielle au niveau des tokens pour encoder le plus court chemin entre deux entités. En outre, nous introduisons une perte à marge adaptative, conçue pour maximiser les marges séparant les classes positives des négatives. Les résultats expérimentaux obtenus sur des jeux de données provenant de divers domaines démontrent l’efficacité de notre approche.