计算机科学 > 计算与语言
标题: KnowRA:具有全面推理能力的文档级关系抽取知识检索增强方法
标题: KnowRA: Knowledge Retrieval Augmented Method for Document-level Relation Extraction with Comprehensive Reasoning Abilities
摘要: 文档级关系抽取(Doc-RE)旨在跨多个句子提取实体之间的关系。因此,与句子级RE相比,Doc-RE需要更全面的推理能力,涉及实体、上下文和外部通用知识之间的复杂跨句交互。然而,大多数现有的Doc-RE方法专注于优化单一推理能力,缺乏利用外部知识进行长文档综合推理的能力。为了解决这些问题,提出了一种名为KnowRA的知识检索增强方法,通过综合推理自主决定是否接受外部知识以辅助DocRE。首先,我们构建了一个文档图用于语义编码,并集成了共指消解模型以增强共指推理能力。然后,通过检索外部知识库进行常识推理,将文档图扩展为文档知识图,并提出了一种新颖的知识过滤方法来过滤无关知识。最后,我们提出了轴注意力机制,以建立与中间实体的直接和间接关联,实现跨句逻辑推理。在两个数据集上进行的大量实验验证了我们的方法相对于最先进的基线的有效性。我们的代码可在 https://anonymous.4open.science/r/KnowRA 获取。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.