跳至内容
- 来源：ICKG 2020
- 机构：北理
- 任务：DocRE
- 方法：没用图，具体步骤如下
- encoder
- 所有 mention 之间做 co-attention aggregation（这里是觉得 mention 在不同的 mention pair 里的意思不一样，所以找到 contextualized mention representations。而如果像其他的，一个 mention pair 要融入整个文本得到表示，复杂度会太高）
- 头尾 mention 拼成 mention pair，所有 mention pair 之间做 self-attention（这里是觉得，在组成 entity pair 的 mention pair 之间，重要程度不同，所以要 weighted sum）
- 性能
- 它的 result 真的很奇怪，在这里，GCNN 和 BRAN 是他自己不使用外部数据复现的，结果和 Bi-LSTM 差不多，甚至更差？整体性能都好高，Bi-LSTM 都到 55 了，好想看看他是怎么实现的，我一定要看看代码。而且他不用 BERT 能达到 58.6，这也太厉害了吧？（后来发现，应该是使用了 BERT embedding）
- 上面的所有 attention weights 都有可解释性，能用来预测 support evidence
