要約
関係抽出（Relation Extraction, RE）は、自然言語処理（NLP）の多くの応用において重要なタスクである。文書レベルの関係抽出は、文書内の関係を抽出することを目的としており、文間をまたがる推論や、同一文書内で複数の関係が表現される状況を扱う必要があるため、REタスクにおいて多くの課題を提示する。既存の最先端の文書レベルREモデルは、長距離相関をより効果的に接続するためにグラフ構造を用いている。本研究では、テキストから得られる元の順序情報（sequential information）をさらに考慮・捕捉することを目的として、SagDREモデルを提案する。本モデルは、文レベルの方向性を持つエッジを学習することで、文書内の情報フローを捉え、トークンレベルの順序情報を用いて、エンティティ間の最短経路を符号化する。さらに、正例と負例のクラス間のマージンを最大化するため、適応的マージン損失（adaptive margin loss）を提案する。さまざまなドメインからのデータセットを用いた実験結果から、本研究で提案する手法の有効性が示された。