Graph Neural Networks for Natural Language Processing: A Survey
A mélytanulás a természetes nyelvfeldolgozás (NLP) különböző feladatainak kezelésében vált uralkodó megközelítéssé. Bár a szöveges bemeneteket jellemzően tokenek sorozataként reprezentálják, az NLP-problémák gazdag választéka létezik, amelyek legjobban kifejezhetők gráfstruktúrával. Ennek eredményeképpen megugrott az érdeklődés a gráfokon történő új mélytanulási technikák kifejlesztése iránt számos NLP-feladathoz.
Ebben a monográfiában a szerzők átfogó áttekintést nyújtanak a természetes nyelvfeldolgozásban használt gráf neurális hálózatokról (GNN-ek). Javaslatot tesznek az NLP-hez használt GNN-ek új taxonómiájára, amely szisztematikusan három tengely mentén szervezi az NLP-hez használt GNN-ekkel kapcsolatos meglévő kutatásokat: gráfkonstrukció, gráfreprezentáció-tanulás és gráfalapú kódoló-dekódoló modellek. Bemutatnak továbbá számos olyan NLP-alkalmazást, amely kihasználja a GNN-ek erejét, és összefoglalják a megfelelő benchmark-adatkészleteket, értékelési metrikákat és nyílt forráskódú kódokat. Végül a GNN-ek NLP-ben való teljes körű felhasználásával kapcsolatos különböző kihívásokat, valamint a jövőbeli kutatási irányokat tárgyalják.
Ez az első átfogó áttekintés a természetes nyelvfeldolgozásban használt gráf neurális hálózatokról. A hallgatóknak és kutatóknak tömör és hozzáférhető forrást nyújt, hogy gyorsan eligazodjanak a gépi tanulás kutatásának egy fontos területén.