要約
ドキュメントレベルの関係抽出は、ドキュメント内におけるエンティティ間の関係を抽出することを目的としている。文レベルの関係抽出と比較して、ドキュメントレベルの関係抽出は複数の文にわたる推論を必要とし、複雑な関係三項組を抽出する。従来の研究では、主にエンティティの表記レベルまたはエンティティレベルのドキュメントグラフ上で情報伝播を行うことで推論を実現していたが、関係間の相関関係を考慮していないという課題があった。本論文では、マスク画像再構成ネットワーク（DRE-MIR）に基づく新たなドキュメントレベル関係抽出モデルを提案する。本モデルは、関係間の相関関係を捉えるために、推論をマスク画像再構成問題として定式化している。具体的には、まずエンコーダモジュールを用いてエンティティの特徴量を取得し、その特徴量に基づいてエンティティペア行列を構築する。その後、このエンティティペア行列を画像と見なし、ランダムにマスクを施した上で推論モジュールを用いて再構成することで、関係間の相関関係を捉える。本モデルは、DocRED、CDR、GDAの3つの公開ドキュメントレベル関係抽出データセット上で評価された。実験結果から、本モデルはこれらのデータセットにおいて最先端の性能を達成しており、推論過程におけるノイズに対して優れたロバスト性を示した。