本文提出了一种新模型用于文档级关系抽取，结合知识-注意力与自注意力机制，提升了实体表示和上下文关系的编码能力。该模型在多个数据集上实现了最先进的性能，尤其在分类任务中展现了高准确率，有效解决了文本中的语义模糊问题。

该研究提出了一个结合知识图谱和改进的注意机制的模型，解决文本中的语义模糊问题。该模型在字符和词级别上运作，通过集成概念来加深对文本的理解。通过信息增益选择重要词，采用编码器-解码器框架对文本及相关概念进行编码。本地注意机制调整每个概念的权重，减少不相关或噪声概念的影响。改进了本地自注意机制中注意分数的计算公式，确保不同频率出现的词语获得更高的注意分数。采用双向门控循环单元从文本中提取特征，提高分类准确性。在多个数据集上展示了该模型在分类任务中的有效性。