发表于ACL2018
很多NLP问题可以建模为Graph-to-Sequence问题。
存在的问题:
之前方法有两种:grammar-based和seq2seq方法。grammar-based方法需要graph结点和字符token的对齐,seq2seq方法直接忽略了结构信息。
采用的方法:
本文利用Gated Graph Neural Networks(GGNN)编码图信息,再利用encoder-decoder结构实现g2s
notes:
GGNN定义有所改进
对graph作了Levi变换,解决了edge label存在的参数过多和上下文无关的问题。