用于基于序列学习的有向图文法
计算与语言
2026-01-22 v2
摘要
有向无环图（DAG）是实践中常用的一类图，例如电子电路、贝叶斯网络和神经架构。虽然存在许多有效的 DAG 编码器，但以有原则的方式对其进行解码仍然具有挑战性，因为 DAG 的节点可以有许多不同的拓扑顺序。在这项工作中，我们提出了一种基于语法的方法，用于构建 DAG 的有原则、紧凑且等价的序列表示。具体而言，我们将图视为无歧义语法上的推导，其中 DAG 对应于唯一的生产规则序列。等价地，构建这种描述的过程可以被视为数据的无损压缩。这种表示有许多用途，包括构建用于图生成的生成模型，学习用于属性预测的潜在空间，以及利用序列表示的连续性对结构化数据进行贝叶斯优化。代码可在 https://github.com/shiningsunnyday/induction 获取。
引用
@article{arxiv.2505.22950,
title = {StrucSum: Graph-Structured Reasoning for Long Document Extractive Summarization with LLMs},
author = {Haohan Yuan and Sukhwa Hong and Haopeng Zhang},
journal= {arXiv preprint arXiv:2505.22950},
year = {2026}
}
备注
14 pages. Accepted by the findings of EACL 2026