图推理嵌入动态自注意力网络的文档级关系抽取.pdfVIP

第20卷第1期智能系统学报Vol.20No.1

2025年1月CAAITransactionsonIntelligentSystemsJan.2025

DOI:10.11992/tis.202311021

网络出版地址:/urlid/23.1538.tp1515.002

图推理嵌入动态自注意力网络的文档级关系抽取

121,343

李云洁，王丹阳，刘海涛，汪华东，汪培庄

（1.辽宁工程技术大学理学院,辽宁阜新123000;2.中国热带农业科学院科技信息研究所,海南海口571000;

3.辽宁工程技术大学智能工程与数学研究院,辽宁阜新123000;4.清华大学计算机系,北京100084）

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（graphreasoningembeddeddynamic

self-attentionnetwork,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。

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

中图分类号：TP391文献标志码：A文章编号：1673−4785(2025)01−0052−12

中文引用格式：李云洁,王丹阳,刘海涛,等.图推理嵌入动态自注意力网络的文档级关系抽取[J].智能系统学报,2025,20(1):

52–63.

英文引用格式：LIYunjie,WANGDanyang,LIUHaitao,etal.Document-levelrelationextractionofagraphreasoningembedded

dynamicself-attentionnetwork[J].CAAItransactionsonintelligentsystems,2025,20(1):52–63.

Document-levelrelationextractionofagraphreasoningembedded

dynamicself-attentionnetwork

121,343

LIYunjie，WANGDanyang，LIUHaitao，WANGHuadong，WANGPeizhuang

(1.InstituteofMathematicsandSystemsScience,LiaoningTechnicalUniversity,Fuxin123000,China;2.InstituteofScient