文档级关系抽取：基于结构先验产生注意力偏差SSAN模型
Entity Structure Within and Throughout: Modeling Mention Dependencies for Document-Level Relation Extraction
实体作为关系抽取任务的基本要素，具有一定的结构。在这项工作中，将这种结构表述为提及对之间的独特依赖关系。提出了SSAN (Structured Self-Attention Network) ，它将这些结构依赖性纳入标准的自我注意机制和整个编码阶段。在每个自注意力构建块内设计了两个替代转换模块，以产生注意力偏差，从而自适应地调整其注意力流。实验证明了所提出的实体结构的有用性和 SSAN 的有效性。
参考链接：
0.相关知识补充
0.1 信息抽取面临困难
文档级关系抽取主要面临以下三个挑战:
- 相同关系会出现在多个句子。在文档级关系抽取中，单一关系可能出现在多个输入的句子中
