GADePo：图辅助声明性池化变换器用于文档级关系抽取
摘要：文档级关系抽取旨在识别文档内实体之间的关系。现有方法依赖于基于文本的编码器，并使用各种手工编码的汇聚启发式方法来聚合来自实体提及和相关上下文的信息。在本文中，我们用Transformer模型的内在图处理能力替换了这些刚性的汇聚函数。我们提出了一个联合文本-图形Transformer模型和一个图辅助的声明性汇聚（GADePo）输入规范，它为信息汇聚提供了显式和高层次的指令。这使得汇聚过程可以通过领域专有知识或期望的结果进行指导，但仍然由Transformer模型进行学习，从而导致更灵活和可定制的汇聚策略。我们在多个数据集和模型上进行了广泛的评估，并展示了我们的方法产生的结果与手工编码的汇聚函数所实现的结果相当。
作者：Andrei C. Coman, Christos Theodoropoulos, Marie-Francine Moens, James Henderson
论文ID：2308.14423
分类：Computation and Language
分类简称：cs.CL
提交时间：2023-08-29