跳至内容
- 来源：arXiv 2103.14620v1
- 任务：多标签句子分类
- 方法：用句子里所有 token 和所有 label 建立二分图。初始化的时候，token 之间只连相邻词和自环边，label 之间只有自环边，label 和 token 之间用 cosine 相似度作为边权，然后接 GCN。（然后应该是再用余弦相似度重新计算 l-t 的边权，再来下一层 GCN，不过文章里没说清楚）预测的时候就将所有 token 的最后一层到这个 label 的边权加和，作为这个文本在这个 label 的分数。
- 思考：
- 作者文中说 “We transfer the MLTC task to a link prediction task within a heterogeneous graph”，这实在是欺骗感情
- 看性能还挺厉害的，感觉可以参考，一方面是这种“不断更新图的结构”的方法（不过 LSR 已经用过了），另一方面是加入 label 节点的想法。不过能不能在多种节点的图中再加入 label 节点呢？感觉在异质图中，加入一个 label 节点，这个 label 节点不能和其它的一视同仁，得像 ACL sub_109 一样分成好多个二分图？
