在人工智能與自然語言處理的前沿領域，關係抽取任務一直是研究熱點。近日，HIPE-2026共享任務引入了新的挑戰：從多語言歷史報紙中進行人物-地點關係抽取。該任務要求分類預標註的人物與地點提及之間的“at”和“isAt”關係，涉及英語、法語和德語三種語言。面對大規模處理歷史檔案的高昂成本，DS@GT HIPE團隊（官方結果中團隊2）探索了輕量級、可解釋系統的性能極限，其方法完全不依賴任何預訓練語言模型進行關係分類。
該團隊的方法首先從依賴解析構建文檔級圖，然後為每個實體對提取基於鄰近度和詞性的特徵。分類階段使用小型scikit-learn集成模型或緊湊的圖注意力網絡（GAT），所有提交的運行參數量均低於847K。在官方測試集（Test A，報紙測試集）上，其最佳運行達到了宏召回率0.5142，在17個參賽團隊中，效率排名第3，準確率處於中游。
研究中有兩個突出發現：首先，僅使用最小字符距離就能捕獲大部分分類信號，添加額外工程特徵帶來的提升不一致，有時甚至會降低性能，這印證了先前關於“參數距離主導關係抽取”的證據。其次，在該語料庫上，文檔分組的交叉驗證至關重要：如果使用實體對級別的劃分，分數會虛高25-37個百分點，因為實體提及跨文檔重複出現，而分組交叉驗證消除了這種數據泄露效應。
該研究展示了在沒有大型預訓練模型的情況下，通過精心設計的特徵和輕量級模型，仍然可以在特定任務上取得有競爭力的結果，這為資源受限的歷史檔案處理提供了實用方案。相關論文已被CLEF 2026 HIPE共享任務接收，將發表在CEUR Workshop Proceedings中。該論文共有19頁，包含4張圖表，由Mlen-Too Wesley等人撰寫，於2026年7月22日提交至arXiv預印本平台。研究團隊來自DS@GT實驗室，他們的工作不僅在技術上展示了輕量級系統的潛力，也為數字人文領域的文本挖掘提供了新的思路。未來，團隊計劃探索如何進一步優化特徵選擇，以及將方法擴展到更多語言和關係類型。