摘要

深度学习已成为解决问题的主要方法自然语言处理（NLP）中的各种任务。虽然文本输入通常表示为序列在令牌中，有各种各样的NLP问题可以用图形结构来表示。因此，人们对发展新的深度学习兴趣高涨大量NLP任务的图技术。在本次调查，我们对图表进行了全面概述用于自然语言处理的神经网络（GNN）。我们提出了一种新的NLP GNN分类法，它系统地组织NLP GNN的现有研究沿着三个轴：图形构造、图形表示学习和基于图的编码器-解码器模型。我们进一步引入大量NLP应用程序利用GNN的力量并总结相应的基准数据集、评估指标和开源代码。最后，我们讨论了以下方面的各种未决挑战为NLP和未来充分利用GNN研究方向。据我们所知，这是图形神经网络的第一个全面概述自然语言处理。

用于自然语言处理的图形神经网络综述

深度学习已成为自然语言处理（NLP）中处理各种任务的主要方法。虽然文本输入通常表示为一系列标记，但有许多NLP问题可以用图形结构最好地表示。因此，人们对为大量NLP任务开发新的图形深度学习技术产生了浓厚的兴趣。

在这本专著中，作者对用于自然语言处理的图形神经网络（GNN）进行了全面概述。他们提出了一种新的NLP GNN分类法，该分类法沿着三个轴系统地组织了针对NLP的GNN的现有研究：图构造、图表示学习和基于图的编解码模型。他们进一步介绍了大量利用GNN功能的NLP应用程序，并总结了相应的基准数据集、评估指标和开源代码。最后，他们讨论了在NLP中充分利用GNN的各种未决挑战以及未来的研究方向。

这是自然语言处理图形神经网络的第一个综合概述。它为学生和研究人员提供了一个简明易懂的资源，以快速了解机器学习研究的一个重要领域。