ENADPool 是一种基于聚类的分层池化方法,它将节点分配给唯一的聚类,使用注意力机制计算节点重要性,并压缩节点特征和边连通性以供后续层使用。它涉及三个步骤:硬节点分配、基于节点的注意力和基于边的注意力,从而产生加权压缩的节点特征和邻接矩阵。MD-GNN 模型通过聚合来自不同距离的节点信息并重建图拓扑来捕获全面的...
1、针对现有的事件关系抽取方法由于句中繁杂的语言表达模式,导致模型难以从复杂语义交互中提取丰富的关系特征的问题,本发明提供了一种基于多模双线性池化融合gnn的事件关系抽取方法,同时考虑句法特征和语义特征,达到对句子的全局理解。 2、为实现上述目的,本发明是通过以下技术方案实现的: 3、本发明是一种多模双线性池化...