摘要

文档级关系抽取（DocRE）旨在识别文档中实体对之间的关系。然而，大多数现有的方法假设标签分布均匀，这导致在现实世界中的不平衡数据集上性能不佳。为了解决这一挑战，我们提出了一种基于生成模型的新型数据增强方法，以增强嵌入空间中的数据。该方法利用变分自编码器（VAE）架构来捕捉由实体对表示形成的所有关系分布，并为代表性不足的关系增加数据。为了更好地捕捉DocRE的多标签特性，我们使用扩散模型（Diffusion Model）参数化VAE的潜在空间。此外，我们引入了一个层次训练框架，将所提出的基于VAE的数据增强模块集成到DocRE系统中。实验结果表明，在两个基准数据集上的测试中，我们的方法优于现有最先进模型，有效解决了DocRE中的长尾分布问题。