传统的NLP任务中，通常将文本作为一个序列进行处理，而随着GNN图神经网络的兴起，将文本转换为图结构，并且使用GNN等模型进行建模的想法也逐渐被提出，并取得了一定的效果。

例如，利用句法依存分析Dependency parser、句法语义分析Sytantic parser、句法句子成分分析Constituency parser、抽象语义图分析AMR，可以建模文本序列中的句子依存信息、结构信息以及语义信息，这些图结构的数据可以编码实体tokens之间复杂的成对关系，学习更多句法上的特征。

本文主要介绍常见的文本图结构化方法，并分别从文本分类任务、实体识别任务中的构图案例进行举例说明，增强理解。

内容中包含的图片若涉及版权问题，请及时与我们联系删除