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。