用二分图来增强情感推理与常识知识
原文中文，约200字，阅读约需1分钟。发表于：。基于 Bipartite Heterogeneous Graph 方法和 Multi-dimensional Heterogeneous Graph Transformer 的知识融入方法，在情绪推理中利用上下文感知和常识知识，且能够通用地适用于多类型和多粒度的知识源，以提高情绪推理方法的效率和性能。
该研究提出了一种名为Hybrid Graph Network（HGN）的知识图谱增强模型，通过在一个统一的图结构中同时推理提取和生成的知识来解决知识图谱边缘稀疏和嘈杂的问题。研究结果表明，该模型在四个常识推理基准测试中取得了相当大的性能增益，并对边缘有效性和帮助性进行了研究。
