استكشاف تمثيل المقاطع ذات الهيكل الرسومي لفهم القراءة متعدد الخطوات باستخدام الشبكات العصبية الرسومية

الفهم القرائي متعدد الخطوات يركز على نوع واحد من أسئلة الوقائع، حيث يحتاج النظام إلى دمج أدلة متعددة بشكل صحيح للإجابة على السؤال بشكل صحيح. في الأبحاث السابقة، تم تقريب الأدلة العالمية بمعلومات الإشارة المتبادلة المحلية، من خلال ترميز سلاسل الإشارة المتبادلة باستخدام طبقات GRU ذات الرسم البياني DAG داخل قارئ الانتباه المحكم. ومع ذلك، فإن الإشارة المتبادلة محدودة في توفير المعلومات اللازمة للاستدلال الغني. نقدم هنا طريقة جديدة لربط الأدلة العالمية بشكل أفضل، والتي تشكل رسومًا بيانية أكثر تعقيدًا مقارنة بالرسوم البيانية DAG. لتنفيذ دمج الأدلة على رسومنا البيانية، ندرس شبكتين عصبيتين حديثتين للرسوم البيانية، وهما شبكة الرسم البياني التلافيفية (GCN) وشبكة الرسم البياني المتكررة (GRN). أظهرت التجارب على مجموعتي بيانات قياسيتين أن المعلومات العالمية الغنية تؤدي إلى إجابات أفضل. أدت طرقتنا إلى نتائج أفضل من جميع النتائج المنشورة على هذه المجموعات من البيانات.