原文链接：
https://aclanthology.org/2022.acl-long.63.pdf
ACL 2022
介绍
问题
基于span的方法虽然在解决嵌套实体上存在巨大潜力，但存在以下问题：
1）难以充分利用span的丰富语义；
2）重叠较多的正负样本会降低模型的性能；
3）训练集中的嵌套实体，基本上不会存在于测试集中，即模型需要有较强的泛化能力；
IDEA
因此作者通过利用基于检索的span图来改进span表征，根据n-gram特征连接训练集中的span与实体。
方法
将嵌套实体视为span的分类任务，即将多个相邻的token视为一个span，并预测相应的类别。具体的，对于有n个token的句子
，
枚举出所有可能的span 放入集合
，其中表示xi到xj的span。
整个模型的框架如下图所示：
Span-level Graph
这里作者提出了两种图：实体-实体图和跨度-实体图
，如果将每个实体或者原始跨度视为多个相邻跨度，那这两个图都可以模拟跨度之间的关系。
E表示是所有实体的集合，R表示原始span，
，
表示图G中顶点v的k跳邻接顶点集合，基于BPE来计算span之间的n-gram相似度
。
Entity-entity graph
实体-实体图用
表示，其中，节点是实体集E中的实体，但相同token不同类别的视为不同的节点。对每个结点的不同边，它的n-gram相似度计算公式（即边的权重）如下：
表示每个n-gram特征的重要程度，N是gram的最大长度，权重越高表示两个实体中词共同出现频率越高。
Span-entity graph
跨度-实体图，对实体和span之间进行建模。节点包括了实体和span，每条边分别连接一个span和一个实体。但span与实体之间的n-gram特征之间存在以下区别：1）越长的span与实体之间就会有更多的语法重叠；2）span比实体更加不规则，总是连接到无意义的实体，存在噪声。
因此，作者提出以下方法来解决该问题：
1）对连接span边的权重，引入长度
来进行惩罚：
2）通过设置阈值来排除这些span到实体的噪声边，并删除权重低于该阈值的边。
Span-level (sub-)graph
span-level 
，是GEE和GSE的并集，为了提高同构图的训练效率，作者排除了span，即
，而为了进行小批量训练，作者从和
中动态提取span-level子图，由于推理的目标是对原始跨度进行分类，因此我们在训练过程中只提取原始跨度的 K 跳子图。
提取过程如下：
1）对于每个span节点Vs，从中提取它的一阶邻居
；
2）基于一阶邻居，从中提取i跳邻居的集合与其合并，
3）排除原始span节点Vs，并保留其余节点之间的边，就得到了Vs的子图：
Encoder
将每个token的char embedding（BiLSTM）、word embedding（Word Glove）和context embedding（预训练模型）一起concate后送入BiLSTM来得最终表征hi。对于span级别的表示，作者对span内的单词进行最大池化后得到。
Graph Module
为了对span级图进行建模，作者采用图卷积网络 (GCN) 。A表示G的归一化对称邻接矩阵，GCN的层数也就是子图的跳数K，H0是encoder的输出，则特征矩阵Hk+1 的第（K+1）层为：
使用注意力机制，在子图表征中融合邻接节点的表征，
表示span在GCN的第k层的隐藏状态，
是span的第i个实体邻居在k层的隐藏状态，则原始跨度的子图嵌入
：
将encoder的输出h0、span的子图embedding、上下文embedding（预训练模型的[CLS]token的向量）、size embedding进行concat得到span的embedding：
最后，将span h0和实体hi送入线性层得到对数分数：
Multitask Learning
损失函数包括包括span和实体的交叉熵损失两部分：
在推理阶段，只涉及到span。
实验
对比实验
在ACE2004、ACE2005、GENIA数据集上进行实验，结果如下图示：
消融实验
对主要模块进行消融实验，结果如下所示：
（这差别，我只能说微乎其微）
与SpERT（我也不知道为啥要跟这个模型做对比，论文链接:SpERT）在嵌套实体上的召回率进行比较，实验结果如下所示：
与SpERT模型在ACE2005数据集中不同长度的实体进行比较，结果如下所示：
可以看见作者的模型在长实体上有了较大的提升。
在ACE2004和ACE2005测试集和训练集中频率<4的实体召回率进行比较，结果如下图所示：
Case study
总结
讲得很复杂，模型也很复杂，但是效果不怎么样。消融实验最多只有0.5个点的差距，不好评价。而且作者为什么要跟SpERT这个模型做对比？
