HAIN: Hierarchical Aggregation and Inference Network for Document-Level Relation Extraction

2021-10-27
  • 来源：NLPCC 2021
  • 机构：ECNU
  • 任务：DocRE
  • 动机：global 和 local 的信息要更好地结合到一起
  • 方法：
    • Meta Dependency Graph 就是将 doc 里每一句的句法树的 root 连起来，上面 GCN
    • Mention Graph 就是 mention 全连接，attention 矩阵作为邻接矩阵，上面 GCN
    • Entity Inference Graph 整合两个图得到的表示。就是找到 entity 相关的 MDG 里的 dependancy 节点和 mention 节点，MG 里的 mention 节点，将三者信息聚合。怎么聚合呢？
      • 先 attention 计算同类节点之间的边权 \alpha，score 是节点 embedding 拼接 type embedding，linear + relu
      • 再计算 entity 中心节点到其他店的边权 \beta，score 是中心点拼邻居，linear + relu
      • 然后再用周围节点 attention aggregation 表示中间的实体节点
      • 最后再来两层 linear
    • 关系分类：实体表示拼接相对距离，bilinear 分类
  • 实验：
    • sota

发表评论