文献类型： 中文期刊

作者： 李云洁 ¹ ; 王丹阳 ² ; 刘海涛 ³ ; 汪华东 ⁴ ; 汪培庄 ⁵ ;

作者机构： 1.辽宁工程技术大学理学院

2.中国热带农业科学院科技信息研究所

3.辽宁工程技术大学 理学院

4.清华大学计算机科学与技术系

5.辽宁工程技术大学 智能工程与数学研究院

关键词： 文档级关系抽取;图推理;动态自注意力网络;自注意力机制;门限词选择机制;文档图;图注意力网络;关键词

期刊名称： 智能系统学报

ISSN： 1673-4785

年卷期： 2025 年 20 卷 001 期

页码： 52-63

收录情况： 北大核心 ; CSCD

摘要： 文档级关系抽取是指从文档中抽取所有具有语义关系的实体对并判断其关系类别，与句子级关系抽取不同，这里实体关系的确定需要根据文档中多个句子推理得到。现有方法主要采用自注意力进行文档级关系抽取，但是运用自注意力进行文档级关系抽取需要面临两个技术挑战：即长文本语义编码存在的高计算复杂度和关系预测需要的复杂推理建模，故提出一种图推理嵌入动态自注意力网络（graph reasoning embedded dynamic self-attention network, GSAN）模型。该模型借助门限词选择机制动态选择重要词计算自注意力实现对长文本语义依赖的高效建模，同时考虑以选择词为全局语义背景与实体候选、文档节点一起构建文档图，将文档图的图推理聚合信息嵌入到动态自注意力模块中，实现模型对复杂推理建模的能力。在公开的文档级关系数据集CDR和DocRED上的实验结果表明，文中提出的模型较其他基线模型有显著提升。