要約
ドキュメントレベルの関係抽出は、ドキュメント内の複数文にわたる情報を統合し、文間エンティティ間の複雑な相互作用を捉えることを要求する。しかし、ドキュメント内での関連情報の効果的な集約は、依然として困難な研究課題である。従来の手法は、構文木や共参照関係、または非構造化テキストからのヒューリスティクスに基づいて静的ドキュメントグラフを構築することで依存関係をモデル化している。一方、本研究では、従来の方法が推論における豊かな非局所的相互作用を捉えきれない点に着目し、自動的に潜在的なドキュメントレベルグラフを誘導することで、文間における関係推論を強化する新しいモデルを提案する。さらに、多段階推論に適した関連情報を段階的に集約できる精緻化戦略を導入した。具体的には、大規模ドキュメントレベルデータセット（DocRED）においてF1スコア59.05を達成し、従来の結果を顕著に上回るとともに、CDRおよびGDAデータセットでも新たな最良性能を記録した。また、広範な分析により、本モデルがより正確な文間関係を発見できることを示した。