sem[x,Q,clues]在系统一和系统二中的作用

[ditingdapeng]

大佬您好，我看到sem[x,Q,clues]在您论文中的系统一和系统二都有体现，想明白sem是什么意思？具体体现在：

1. 系统一--对于答案节点x, Para[x]可能丢失。因此不提取跨度,而是基于”句子A”部分来计算sem[x,Q,clues]；

2. 系统二：为了完全理解实体x和问题Q之间的关系,仅仅通过分析sem[x,Q,clues]远远不够；

请问可以解释下这两句话的含义吗？
(我之前以为工作的流程是:通过bert抽取得到下一跳实体，再由下一跳实体在gnn中游走推理，进而再传给bert，但是发现多了个sem)

希望自己能够表述清楚~·······································`·

[Sleepychord]

我没有特别理解你的意思，但是感觉你的“现在的”理解是对的。

[ditingdapeng]

谢谢回复，我换一种表达方式：

1. 系统一在访问节点x时的输入:
   [CLS] Question [SEP] clues[x,G] [SEP] Para[x]
   Sentence A Sentence B
2. 系统一Bert的输出向量表示为:T

(问题)但是其中出现了sem[x,Q,clues], 这个的作用是什么？

同样在系統2中也出现了对sem[x,Q,clues]的表述，在论文3.1节和3.2节。

原文的表述如下：

1. (3.1) It is worth noting that for answer node x, Para[x] is probably missing. Thus we do not extract spans but can still calculate sem[x,Q,clues] based on "Sentence A"part.
2. (3.2) To fully understand the relation between an entity x and the question Q,barely analyzing semantics sem[x,Q,clues] is insufficient.

[Sleepychord]

系统一的输出不是T，而是抽取的span（entities/ answer candidates）和 sem[x, Q, clues]。后者被用作GNN的feature。

[ditingdapeng]

收到，谢谢解答~！我还有个问题：bert的输出不是向量吗？但是这个抽取的span看上去更像是一个索引(以标记候选实体)，而sem貌似是一个向量组合，所以对"输出的是抽取的span（entities/ answer candidates）和 sem[x, Q, clues]", 还有些疑惑

(有些小白，谢谢答疑~)

[Sleepychord]

bert直接输出是向量，但是在下游finetune的时候一般需要加一层相关的输出层，比如mrc就是加这样的span prediction的层，可以看一下bert文章和cogqa的图。