【AAAI2020接受论文】利用图卷积网络将知识注入文本任务，Infusing Knowledge into the Textual Entailment Task Using Graph Convolutional Networks

摘要：文本蕴涵是自然语言处理的基本任务。大多数解决这个问题的方法只使用训练数据中的文本内容。一些方法已经表明，来自外部知识来源(如知识图谱)的信息除了文本内容之外，还可以通过提供对任务至关重要的背景知识来增加价值。然而，所提出的模型并没有充分利用通常大而有噪声的公斤中所包含的信息，而且也不清楚如何有效地编码这些信息以使其对加密有用。我们提出了一种方法，通过(1)使用个性化的PageR- ank生成低噪声的上下文子图和(2)使用图卷积网络捕获KG结构对这些子图进行编码，用KGs的信息来补充基于文本的嵌入模型。我们的技术扩展了文本模型挖掘知识结构和语义信息的能力。我们在多个文本蕴涵数据集上评估了我们的方法，并表明使用外部知识有助于提高预测准确性。这一点在极具挑战性的BreakingNLI数据集中表现得尤为明显，我们看到在多个基于文本的entailment模型上有5-20%的绝对改进。