摘要

近年来，文档级关系抽取受到了广泛关注。该任务通常被建模为一个分类问题，旨在预测文档中所有实体对之间的关系。然而，以往的方法对句内关系与句间关系采用相同的表示方式，混淆了二者在预测过程中所呈现的不同模式。此外，这些方法通常构建文档图，并利用实体间的图路径作为逻辑推理的线索。然而，并非所有实体对都能在图中通过路径连接，且图中也未必包含正确的逻辑推理路径，因此许多逻辑推理情形无法被有效覆盖。本文提出了一种名为SIRE的有效架构，能够以不同方式分别表示句内关系与句间关系。我们设计了一种新颖且直接的逻辑推理模块，能够覆盖更广泛的逻辑推理链。在公开数据集上的实验结果表明，SIRE在性能上优于先前的最先进方法。进一步的分析显示，我们的预测结果具有较高的可靠性与可解释性。代码已开源，地址为：https://github.com/DreamInvoker/SIRE。