SaGCN: Structure-Aware Graph Convolution Network for Document-Level Relation Extraction 2021-05-24 2021-05-25 来源：PAKDD 2021机构：华东师大任务：DocRE方法：还是 encoder + structural graph + inference graph + classifier 四部曲，几乎是 LSR 的思路。第一个图使用 document meta dependency path (DMDP) 和 mention 作为节点，第二个图使用 entity 和 mention 作为节点。第一个图是用句法树生成一个显式的邻接矩阵，又用 kumar 生成一个隐式的邻接矩阵，俩矩阵加权融合，得到最终的邻接矩阵。kumar 这里我没看懂，好像 20 年 ACL 他们组也是用这个 kumar 在 AMR 有一个工作，我看这两篇文章的这部分完全一样。inference 部分就是直接 GCN 了，classifier 就是 bilinear。实验：DocRE 上当时应该是 SOTA 吧，和现在 SOTA 差一个多点，ign 差的有点多我实在是没有明白用这个 kurma 是为了啥，作者在文中说 HardKuma distribution [1] is used to obtain implicit structural infor- mation which has both continuous and discrete properties 由于整个方法没看懂，因此这句话我可能也不能理解。