触发词的问题

[xxllp]

我又来了，还是有问题想请问下：

1. 按照论文里面的pipeline 只有单触法词的模型训练（非伪触法词） ，触法词识别是先ner 然后作为图构建的节点
   在构建子图分解的时候 这个触法词节点是作为最大子团来的吗？
   2.代码里面 如何判断那些mention是伪触法词(或者触法词) 需要在span_context_list 里面获取对应的下标

[Spico197]

您好，

1. 是的；
2. 暂时没有实现这个功能，默认经过BK算法后得到的完全图中所有节点都是伪触发词。可能会存在NER时识别为触发词，但是BK解码时不为触发词的情况，暂时还没有统计过。

[xxllp]

这个里面 如果是多事件的话 多个trigger（或者伪触法词）对应的ner 词 在最终构建的子图矩阵里面的下标是怎么确定的呢 ？
我看到的是第一个位置应该是的 但是多个的这个我就没太搞懂了~~ 还是有啥判断方式

mention_type_list 这个里面是对应这块的所有mention的类型 ，但是有重复的 这个是怎么跟图矩阵对应上的

[Spico197]

或许这个函数里有您想要的答案。
NER部分得到的答案中，所有实体是一视同仁的，并不会区分它是不是伪触发词，除非人为定义它的实体类型为Trigger，那么可以通过从mention_type_list中找Trigger对应的mention。

通过这里的代码可以看出，mention类型只用来对mention的表示进行增强，在当前版本的PTPCG中，和图矩阵没有关系。

[xxllp]

明白 在duee-fin 这种数据集上面 我其实也就是要知道人为定义的Trigger 的生成过程
比如 我将 单个mention_type_list 打印出来如下
[3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 9, 9, 9, 9, 9, 15, 15, 15, 15, 16, 17, 17, 16, 17, 17, 16, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 17, 16, 13, 19, 5, 21, 11, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]

但是最终的图矩阵shape torch.Size([18, 18]) 这二者是怎么对应上的 如果是去重数量上也对不上

[Spico197]

嗷嗷，明白了。您其实是在问mention和span（或者说，entity）之间的关系。一个实体在文中会出现多次，也就是有多个mention，所以同一实体的不同mention之间会做个max-pooling，以获得最终实体的表示。

[Spico197]

至于span的位置的话，预测的span会先转换为金标span的index，以便于邻接矩阵的loss求解：

DocEE/dee/helper/arg_rel.py

Line 607 in 692a1a2

(gold_span_idx2pred_span_idx[gold_span_idx], field_type)

[Spico197]

mention和span之间的位置对应关系可见这里：

DocEE/dee/modules/doc_info.py

Lines 298 to 304 in 692a1a2

	# one span may have multiple mentions
	# tzhu: just flatten the dranges and mentions from sentence-independent data orgnisation format to flat list format
	(
	span_mention_range_list,
	mention_drange_list,
	mention_type_list,
	) = get_span_mention_info(span_dranges_list, doc_token_type_mat)

[xxllp]

我通过span_mention_range_list 和 mention_type_list 的组合 拿到了指定类型的 下标
这样可以确定其在 相似矩阵的下标

[xxllp]

这里面 如何获取span 对象所属的事件类别 还是只能从子图这块获得

[Spico197]

这里面 如何获取span 对象所属的事件类别 还是只能从子图这块获得

只能在最后的event record generation处获得