要約
ドキュメントレベル関係抽出（Document-level Relation Extraction; DRE）は、二つのエンティティ間の関係を認識することを目的としている。エンティティは文境界を越えて複数の参照（mention）を持つことがあり、それらの参照は共参照関係（coreference）を形成する。これまでの研究では、このような共参照参照の統合に関する検討が限られていたが、これは問題である。なぜなら、共参照関係にある複数の参照が特定の関係に対して均等に寄与するわけではないからである。さらに、従来のアプローチは主にエンティティレベルでの推論に注力しており、エンティティペア間のグローバルな相互作用を捉えることにあまり焦点を当てていない。本研究では、DREの性能向上を目的として、二つの新しい技術——「コンテキスト誘導型参照統合（Context Guided Mention Integration, CGMI）」と「ペア間推論（Inter-pair Reasoning, IR）」——を提案する。CGMIでは、単に平均プーリングを適用するのではなく、コンテキスト情報を活用して、重み付き和の形で共参照参照を統合する。また、IRはエンティティペアグラフ上で反復アルゴリズムを実行することで、関係間の相互依存性をモデル化する。本研究で提案するCGM2IRモデルは、広く用いられている三つのベンチマークデータセット（DocRED、CDR、GDA）上で評価された。実験結果から、本モデルが従来の最先端モデルを上回ることを示した。