Learning rules and aligning elements for document-level relation extraction

Ganlin Xu

doi:10.1016/j.ipm.2025.104511

Learning rules and aligning elements for document-level relation extraction

2025-12-08

0

PRE

AI

DOI：10.1016/j.ipm.2025.104511

原文链接

原文求助

摘要

En 中文

文档级关系抽取（DocRE）旨在推断文档中实体对1之间的语义关系。基于生成的方法在DocRE中仅从纯文本学习表层文本模式，而非逻辑规则模式，同时生成不受控的输出。因此，本文提出了一种新颖的生成范式，即一种规则学习与元素对齐（RLEA）方法用于DocRE。我们使用两个T5模型（文本学习器和规则学习器）构建对称结构，其中文本学习器从符号三元组学习文本模式，规则学习器从链式逻辑规则学习规则模式。为更好地解决上述挑战，我们提出了三项关键技术：双向门控函数、规则正则器和元素对齐机制。实验结果表明，我们的方法在关系抽取和逻辑一致性上取得了最佳结果，其中RLEA在DWIE数据集上Ign F1、F1和Logic指标分别达到72.37、79.44和94.52，在DocRED数据集上Ign F1和F1指标分别达到61.94和63.96，在Re-DocRED数据集上Ign F1和F1指标分别达到76.81和77.06。此外，定量实验和定性分析展示了逻辑规则如何作用于DocRE的基于生成的黑盒模型2。

Learning rules and aligning elements for document-level relation extraction

摘要

期刊

机构