近日，我校机器学习与自然语言理解研究团队奚雪峰教授指导的研究生成果论文《Randomly Wired Graph Neural Network for Chinese NER》被人工智能领域顶刊“Expert Systems With Applications”（影响因子8.67，SCI 一区Top）录用。实验室2019级研究生陈杰为第一作者，奚雪峰教授为共同一作兼通讯作者。陈杰此前已有相关系列成果以一作发表在国内外学报及SCI期刊，目前已毕业并推荐前往东南大学继续攻读博士学位。

图1： RWGNN结构图

   论文主要基于图神经网络模型，开展自然语言处理中的经典任务“中文命名实体抽取”性能提升研究。研究首先聚焦当前任务基准系统所采用的递归神经网络开展分析，发现尽管通过对文本中的字和词进行序列化处理的递归神经网络在中文命名实体识别中取得了巨大成功，然而，由于这种链式处理模型的结构单一，不足以捕获中文语义中包含复杂分层和嵌套关系的语义信息，阻碍了中文命名实体性能提升。此外，现有的图神经网络模型在分割实体和使用图结构对文本序列进行text-to-graph建模时，往往依赖人为设计的词边界，导致设计和计算过程开销较大。针对上述问题，本文基于复杂网络中的随机图算法自动生成多向连线模式的方案，从神经网络架构出发，提出了一种随机连线图神经网络RWGNN（Randomly Wired Graph Neural Network），能够实现图网络结构自动化生成；并将原始词信息与重组的原始词表示相结合设计了增强词向量，以增强文本全局依赖性。实验结果表明，我们所提出的RWGNN 在五个不同的域数据集上始终具有非常优异的结果。