结合互指导与句间关系图的论点对抽取（emnlp）

        该篇论文来自2021年的emnlp，题目为Argument Pair Extraction with Mutual Guidance and Inter-sentence Relation Graph.

        该篇论文对原本的APE任务处理进行的改进，传统的处理方式是将APE分成两个子任务——序列标记任务和句子关系分类任务【即先提论点->看是否为一对】，这种方法缺乏对论点对之间的交互关系的明确建模——>可能两个子任务间不能很好地适应。

        在此基础上，该论文对这个任务的处理进行了改进和创新，该篇论文用到的语料库为审查和反驳两者相对应的文章，用到的方法就是它先识别审查和反驳中的论点，然后结合已识别的论点表示，利用审查论点引导的序列标记和反驳论点引导的序列标记来确定论点对。在这个过程中引入了ISRG,它是用来描述审查和反驳之间的复杂相互作用，由此可显式的利用论点级语义信息来精确地提取论点对。

        该方法适用于在一对一，一对多的关系中，尤其在一对多上具有优势。

        该论文用到的模型是MGF——BERT、LSTM(BiLSTM)、CRF(序列标记器）、GCN。

        具体的操作过程为先用BERT进行句子的编码，然后再用BiLSTM编码句子的长关系，接着提取句子，然后再利用GCN生成图卷积网络信息交换语义关系图，进而提出论点，最后提出论点对。

        tips：

       关系图：构建关系依据

       同段落：相似（句子合并为一个论点）

      交叉段落：共现词——>可能来自相互关联的论点