摘要

文档级关系抽取（Document-level Relation Extraction, DocRE）相较于其句子级对应任务更具挑战性，其目标是从多句文本中联合抽取实体间的关系。本文提出了一种半监督的DocRE框架，并引入了三个新颖的组件。首先，我们设计了一种轴向注意力模块（axial attention module），用于建模实体对之间的相互依赖关系，显著提升了对两跳关系（two-hop relations）的捕捉能力。其次，我们提出了一种自适应焦点损失（adaptive focal loss），以有效缓解DocRE任务中普遍存在的类别不平衡问题。最后，我们采用知识蒸馏技术，缓解人工标注数据与远程监督数据之间的分布差异。我们在两个DocRE数据集上进行了实验，结果表明，所提模型持续优于多个强基线方法，在DocRED排行榜上的F1分数和Ign_F1分数分别超越此前的最先进水平（SOTA）1.36和1.46。相关代码与数据将公开发布于 https://github.com/tonytan48/KD-DocRE。