基于异质图卷积神经网络的论点对抽取模型
Heterogeneous graph convolutional neural network for argument pair extraction作者机构:重庆理工大学计算机科学与工程学院重庆400054
出 版 物:《浙江大学学报(工学版)》 (Journal of Zhejiang University:Engineering Science)
年 卷 期:2024年第58卷第5期
页 面:900-907,1049页
核心收录:
学科分类:08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金资助项目(62141201) 重庆市自然科学基金资助项目(CSTB2022NSCQ-MSX1672) 重庆市教育委员会科学技术研究计划资助项目(KJZD-M202201102) 重庆理工大学研究生教育高质量发展行动计划资助项目(gzlcx20233230)
主 题:论辩挖掘 论点对抽取 图神经网络 旋转位置编码 自然语言处理
摘 要:针对论点对抽取任务中存在着评审段和反驳段之间交互信息难以捕获以及忽略了对句子间的相对位置信息进行建模问题,提出基于异质图卷积神经网络的论点对抽取模型.该模型在评审段和反驳段中构建异质图,定义2种不同类型的节点及4种不同类型的边,通过关系图卷积神经网络来更新图中节点的表示.提出位置感知的句子对生成器,利用旋转位置编码来建模评审段和反驳段句子间的相对位置信息.在RR-passage和RR-submission-v2数据集上进行实验,实验结果表明,提出模型的性能均优于所有的基线模型.这表明通过构建异质图区分不同的节点类型和边的类型,设计位置感知的句子对生成器,能够提升论点对抽取模型的效果.