Centrala begrepp
문서 수준의 관계 추출에서 구문 융합의 중요성
Sammanfattning
문서 수준의 관계 추출은 문서 내 엔티티 간의 관계 레이블을 식별하는 것을 목표로 함
최신 DocRE 방법은 그래프 구조를 사용하여 문서 전체에서 엔티티를 연결하여 의존 구문 정보를 캡처
제안된 방법은 문서 수준의 관계 추출에 구문 및 의존 구문을 융합하여 효과적인 방법을 제시
실험 결과는 제안된 방법의 효과를 입증
Introduction
문서 수준의 관계 추출은 문장 수준의 관계 추출과 달리 문서 내 엔티티 간의 관계 레이블 식별
DocRE의 주요 어려움은 긴 문장에서 엔티티 쌍의 관계를 추론하는 것
사전 훈련된 언어 모델(PLMs)은 다양한 하향 작업에서 큰 잠재력을 보여줌
Methodology
문서 D에는 I개의 문장과 N개의 엔티티가 포함
FCDS 아키텍처는 의존 및 구문 구문을 활용하여 의존 그래프 및 구문 트리를 인코딩
의존 그래프와 구문 트리를 결합하여 엔티티 쌍 간의 관계를 예측
Results
DocRED, CDR 및 GDA 데이터셋에서 실험 결과 평가
FCDS 모델은 다른 선행 방법을 능가하며 일반 도메인 및 생물 의학 데이터셋에서 우수한 성능을 보임
Statistik
최신 DocRE 방법을 능가하는 IgnF1 점수를 달성
DocRED, CDR 및 GDA 데이터셋에서 평균 엔티티 거리 감소 확인
Citat
"문서 수준의 관계 추출은 문장 수준의 관계 추출과 달리 문서 내 엔티티 간의 관계 레이블 식별"
"FCDS 모델은 다른 선행 방법을 능가하며 일반 도메인 및 생물 의학 데이터셋에서 우수한 성능을 보임"