GNN小编专栏 | GNN在自然语言处理中的研究

1、【ACL 2020】Grounded Conversation Generation as Guided Traverses in Commonsense Knowledge Graphs
作者：Houyu Zhang, Zhenghao Liu, Chenyan Xiong, Zhiyuan Liu
文章地址：https://arxiv.org/abs/1911.02707
导读：作者来自清华刘知远老师团队与微软AI团队。文章提出了一种新的会话生成模型ConceptFlow，它利用常识知识图来显式地建模会话流。通过将对话建立在概念空间的基础上，ConceptFlow把潜在的对话流表示为沿着常识关系在概念空间中的遍历，遍历由概念图中的图注意力引导，在概念空间中向更有意义的方向移动，以生成更富有语义和信息的回复。

2、【ACL 2020】Every Document Owns Its Structure: Inductive Text Classification via Graph Neural Networks
作者：Yufeng Zhang, Xueli Yu, Zeyu Cui, Shu Wu, Zhongzhen Wen and Liang Wang
文章地址：https://aclanthology.org/2020.acl-main.31.pdf
导读：作者来自中科院自动化所。本文提出一种新的图神经网络模型TextING对文本进行归纳学习用于文本分类。作者首先在每个文档中应用滑动窗口给每个文档构建单个图，其中唯一的单词表示为顶点，单词之间的共现表示为边。然后训练一个门控GNN来学习细粒度的词表示，最后整合整个文档的词表示作为该文档的特征表示。作者在四个基准数据集上做了大量实验，实验表明此方法优于最先进的文本分类方法。

3、【AAAI 2020】Rumor Detection on Social Media with Bi-Directional Graph Convolutional Networks
作者：Tian Bian, Xi Xiao, Tingyang Xu, Peilin Zhao, Wenbing Huang, Yu Rong, Junzhou Huang
文章地址：https://arxiv.org/pdf/2001.06362.pdf
导读：文章是清华大学和腾讯AI Lab合作发表。本文提出双向的图卷积网络模型用于社交媒体上的谣言检测。社交媒体上的谣言传播构成一个树形结构，根节点是谣言源头，子节点是与父节点具有转发关系的帖子。作者从两个方向（自上而下和自下向上）使用GCN建模谣言传播树，分别学习谣言传播模式和谣言分散模式。

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