SaGCN: Structure-Aware Graph Convolution Network for Document-Level Relation Extraction

  • 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。

发表评论

您的电子邮箱地址不会被公开。