从全局到局部: 用于文档分类与摘要的上下文感知图表示学习
计算与语言
2026-03-03 v1
摘要
本文提出一种数据驱动的方法用于自动构建基于图的文档表示. 基于 Bugue\~no 和 de Melo (2025) 的最近工作, 我们利用动态滑动窗口注意力模块有效地捕获句子之间的局部和中程语义依赖关系, 以及文档内的结构关系. 在我们学习的图上训练的图注意力网络 (GAT) 在文档分类方面实现了竞争性的结果, 同时比以前的方法需要更少的计算资源. 我们进一步对所提出的图构建方法用于抽取式文档摘要进行探索性评估, 揭示了其潜力以及当前的局限性. 本项目的实现可在 GitHub 上找到.
引用
@article{arxiv.2603.00021,
title = {From Global to Local: Learning Context-Aware Graph Representations for Document Classification and Summarization},
author = {Ruangrin Ldallitsakool and Margarita Bugueño and Gerard de Melo},
journal= {arXiv preprint arXiv:2603.00021},
year = {2026}
}