相似度的一些问题

[WindSearcher]

我看您这里是用dot的方式计算实体之间的关系进行边建模，看您之前还试过余弦相似度。
对于相似度，我有个想法不知可行不可行。用目前比较热的对比学习，基于标签进行学习，这样让同一个事件的论元在语义上更相近。
然后还想请问下您还试过哪些相似度方法勒。

[Spico197]

嗨您好，感谢对本项目和PTPCG的关注~

• 我还尝试过：余弦相似度、拼接后分类、biaffine attention的方法，没有什么明显差距，dot方法略好
• 关于对比学习：我觉得值得尝试。目前的模型在边关系的预测上表现并不好，如果能找到一种方法提高实体间连接关系的准确率的话应该会很棒。不过这里对实体的标签进行对比学习可能不太好，似乎应该是对边的关系和实体的标签进行对比学习？

[WindSearcher]

• 实体

不是对实体的标签，而是对事件类型的标签。因为同一事件下的论元我们希望它可以两两相连，也就是同一事件下论元的语义相似。

[WindSearcher]

嗨您好，感谢对本项目和PTPCG的关注~

• 我还尝试过：余弦相似度、拼接后分类、biaffine attention的方法，没有什么明显差距，dot方法略好
• 关于对比学习：我觉得值得尝试。目前的模型在边关系的预测上表现并不好，如果能找到一种方法提高实体间连接关系的准确率的话应该会很棒。不过这里对实体的标签进行对比学习可能不太好，似乎应该是对边的关系和实体的标签进行对比学习？

这样通过对比学习的方式让同一事件下的论元更相似，不同事件下的论元相离。

[Spico197]

嗷嗷，明白了。您说的是intra-connection，我刚刚说的是inter-connection。

PTPCG的原始假设是，“同一事件（实例）”下，论元的语义更相似。而您提到的“同一事件类型”下，论元的语义相似，可能会弱化单事件多实例的事件区分能力。

[WindSearcher]

嗷嗷，明白了。您说的是intra-connection，我刚刚说的是inter-connection。

PTPCG的原始假设是，“同一事件（实例）”下，论元的语义更相似。而您提到的“同一事件类型”下，论元的语义相似，可能会弱化单事件多实例的事件区分能力。

emm，这个确实是。看来您提到的边关系对比学习更优。之前看到一篇基于关系建模的文章，对于事件里面的论元建立一种关系，用这个来提升事件抽取的性能。感觉可以用来做边关系建模。
我还尝试了词汇信息的嵌入，让句子融合更多特征，不过作用不是很明显。
不知道您有尝试过大模型嘛

[Spico197]

PTPCG单事件的性能还不错，只是在单事件多实例的时候不太行，所以我觉得inter-connection的区分和建模会更重要一些。

打比赛（DuEE-fin数据集）的时候有加过RoBERTa-large，效果会好很多。encoder-based模型还可以加更大的版本，不过因为当时的baseline都没用BERT，所以就没做实验了。生成式模型方面，后来还试过T5-small/base，效果不如抽取式。因为资源比较紧张就没再做更大模型的测试了。ChatGPT出来之后，发现ACE05的效果不太行，就没有在ChFinAnn上测试过。

[WindSearcher]

抽取

嗷嗷，感谢您的解答，祝大佬万事顺心。

[Spico197]

加油，祝一切顺利