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

  • 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