论文综述——DORE: Document Ordered Relation Extraction based on Generative Framework

文章的主要目标是对文档级的关系抽取。以往的研究主要是基于分类的研究，生成式关系抽取研究较少而且性能不佳。

文档级相比于句子级的关系抽取存在序列长度过长，以及实体定位不准确等问题。作者提出一种利用生成模型范式解决文档级关系抽取问题。以往的研究中采用的生成范式是直接生成出对应的词组（lexicon 生成范式），但此类方法不能很好的适应文档级关系抽取。所以现有的生成式文档级关系抽取方法表现不佳，并不是模型能力不足，而是模型训练的范式不足导致的，因此作者提出DORE范式。

这篇文章其实就是文档抽取实体，再将实体符号化并排序，最后将所有实体转化成二维矩阵填充关系。解码过程刚好反过来，先解码符号，再将符号解码成实体文本。（论文中还提到了五元组，我当做没看见……）

什么是Lexical生成范式？

• ①使用不同的自然语言表示同一实体，例如 “Julian Reinard” 和 “He”；
• ②两个相似的关系使模型识别时产生冲突，例如 “country” and “country of citizenship”；
• ③模型可能输出该文本中未出现的单词；
• ④预测三元组顺序不遵循人类阅读顺序，例如预测 “country of citizenship” 应出现在“league” 之前。

Lexical范式主要存在两个缺点：①不会产生特定长度的目标序列； ②可能出现生成序列过长的现象。

为了解决以上问题作者