【ICLR2022】GNN-LM基于全局信息的图神经网络语义理解模型

本文提出了GNN-LM，将图神经网络与语言模型相结合，通过允许在整个训练语料库中引用相似的上下文，扩展了传统的语言模型。使用k近邻检索与输入的表示最相似的邻居，我们为每个输入构建了一个有向异构图，其中节点是来自输入上下文或检索到的邻居上下文的token，边表示token之间的连接。然后利用图神经网络从检索到的上下文中聚合信息，以解码下一个token。实验结果表明，GNN-LM在标准数据集中优于强基线，并且通过与kNN-LM结合，能够在WikiText-103上取得最优效果。

论文标题： GNN-LM: Language Modeling based on Global Contexts via GNN

作者：

Yuxian Meng, Shi Zong, Xiaoya Li, Xiaofei Sun, Tianwei Zhang, Fei Wu, Jiwei Li

论文链接： https://www.zhuanzhi.ai/paper/096327d547ab2c5aee0df3e603ac64e6

接收会议：

ICLR 2022

代码链接：

https://github.com/ShannonAI/GNN-LM