知识嵌入图表示算法

显著提升DocRE性能

通过统计先验知识增强实体特征表示，提高文档级关系抽取模型的准确性。

Jinglin, Liang · Yutao, Qin · Huang S. · 胡云卿 · Xinwu, Liu · Huiyuan, Zhang · 陈添水

Expert Systems with Applications 2026

技术优势

用统计先验引导特征

算法计算实体类型与关系之间的统计共现相关性，并以此构建加权边异构图，使实体特征在传播过程中遵循此先验，增强了特征的判别力。

即插即用提升性能

该算法可以嵌入多种现有的文档级关系抽取模型中，实验表明在多个数据集上均能带来显著提升，且代码已开源，易于集成。

应用场景

• 文档级关系抽取：为现有DocRE模型注入统计先验知识，提升跨句推理和关系识别准确率。
• 自然语言处理：提供一种通用特征增强策略，可集成到各类NLP信息抽取任务中。
• 图神经网络：利用异构图建模实体与关系间的统计关联，丰富GNN在NLP中的应用。