ACL 2018｜墨尔本大学：基于门控图神经网络的图序列学习( 六 )
墨尔本大学
University of Melbourne
本文是澳大利亚墨尔本大学发表于 ACL 2018 的工作 ， 提出了一个在图中编码完整结构信息的新模型 ， 将门控图神经网络与输入变换耦合 ， 该输入变换允许节点和边缘具有它们自己的隐层表示 ， 并解决了先前工作中存在的参数爆炸问题 。 实验结果表明 ， 在AMR图和基于句法的神经机器翻译中 ， 本文模型优于业内的最好方法 。
1 引言
图结构普遍存在于自然语言的表示中 。 尤其是 ， 许多句子的语义框架使用有向无环图作为基础形式 ， 而大多数基于树的句法表示也可以看作图 。 NLP应用的范围可以看作将图结构转换成序列的过程 。 例如 ， 句法机器翻译需要将带树形标注的源语句转换为其翻译 。
前人工作大多依赖于基于语法的方法 ， 如tree transducers和超边替换文法 。 这些方法的一个关键限制是需要在图形节点和tokens之间进行对齐 。 这些对齐通常是自动生成的 ， 构建语法时会传播错误 。
推荐阅读
- 开罗|开罗游戏发表中文声明：识君代理属于侵权行为，2018年就已解约
- RNG|用数据说话 2018年与2021年的RNG谁更具统治力
- RNG|回应LCK的质疑？国服下血本庆祝RNG夺冠，力度远超2018年
- 王者荣耀|王者荣耀：冰锋战神买亏了？看到2018年先例，笑了
- 间接伤害|阴阳师：真正的SR一姐，2018年至今依然巅峰，恐怕难逃“下岗”
- 圣墟|我心中的2018年网文10大作品：《圣墟》《超神机械师》领衔
- 王者荣耀|新赛季上线1小时，王者玩家就突破2018人，只因策划一个改动
- 战神诸神的黄昏|战神诸神的黄昏对2021年度游戏志在必得
- 受疫情影响，Oracle认证考券延期声明
- 美国国防部要求增加5G投资