Zhijiang Guo, et al., “Attention Guided Graph Convolutional Networks for Relation Extraction”, ACL 2019
- 姓名：AGGCN
- 机构：SUDT
- 任务：n-ary RE
- 流派：GCN
- 动机：原先 GCN 都是基于 pruning 句法树，这不好，丢掉了好多信息
- 方法：
- word 全连接建图，邻接矩阵是 multi-head self-attn 得到很多个，在上面分别做 DCGCN，最后把这 multi-head 的结果拼接 reshape。
- 以上是一个 block，整个模型有两个 block。
- 还学习 contextual GCN，前面加个 LSTM，称之 C-AGGCN
- 性能：SOTA @ pny, TACRED, SemEval
- 短评：LSR 就是完全基于这个做的吧（都是 SUDT 自己人）！相当于 ① 优化 attn，基于矩阵树，更有道理了 ② 后面加个 reasoning
- 思考
- 能不能句法树和 attn 结合呢？比如在句法树的图上 attn（但是 table 5 似乎证实了这个想法行不通）
- 想一下，在不考虑 block、dense 连接的这种情况下：在没有多头时，① AGGCN 使用 attention 得到邻接矩阵、用 GCN 做信息聚合，② 用全 1 的邻接矩阵做 GAT。 ① ② 相比，应该是完全没有区别？只不过在 multi-head 时，AGGCN 的这 multi-head 是每张图有各自的 head，GAT 的 multi-head 是每次信息聚合都将 multi-head aggregate。