arXiv cs.CL· Khai Phan Tran, Xue Li·· 10 小时前AI 评分20
Syn2DRE：面向文档级关系抽取的协同双师生框架
Syn2DRE: Synergistic Dual Teacher-Student Framework for Document-level Relation Extraction
AI 导读
Syn2DRE 是一个结合自监督学习与交叉监督的轻量级师生架构半监督框架，用于生成更可靠的伪标签，缓解现有伪标签方法的低效与确认偏差问题。该框架还引入统一的端到端训练策略以进一步提升效率。在多个基准测试上，Syn2DRE 持续优于此前最先进的半监督 DocRE 方法。
正文 · AI 翻译
摘要：文档级关系抽取（DocRE）旨在识别文档中实体之间的关系，但通常依赖于昂贵的大规模标注。虽然伪标注能够利用低质量数据，但现有方法往往存在效率低下和确认偏差的问题。为应对这些挑战，我们提出了 Syn2DRE，一个半监督框架，它在轻量级师生架构中结合自监督学习与交叉监督，以生成更可靠的伪标签。此外，我们引入了一种统一的端到端训练策略，以进一步提升该框架的效率。在多个基准上的实验表明，Syn2DRE 始终优于先前最先进的半监督 DocRE 方法。
| 学科： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.09342 [cs.CL] |
| （或 arXiv:2611.09342v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.09342 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Khai Phan Tran [查看邮箱]
[v1]
2026年11月6日星期五 11:40:53 UTC（277 KB）
来源：arXiv cs.CL · arxiv.org