pcx-pcx
commented
1 year ago 非常感谢作者的论文和代码，但是在复现的时候发现点问题：
1、当序列长度很长时，即解码时，会出现超出token数量的token_span，我查询到应该时decode_rel函数中这三行缩进的问题： ` for ent in ent_list:
ent["char_span"] = [ent["char_span"][0] + char_offset, ent["char_span"][1] + char_offset] ent["tok_span"] = [ent["tok_span"][0] + tok_offset, ent["tok_span"][1] + tok_offset]` 主要是这三行，加在了对关系解码的循环里了，需要缩进回去，跳出循环，对每一个样本做一次这样的操作即可。 如果加循环里面，会导致在每一个样本中，每当有一个关系就会不停的增加offset...，解码的时候就有问题了，会超出长度..出现不可预测的token_span，这个问题也在历史问题中有查到过。
2、我发现解码时如果序列长度设置的很长，会出现一些超出100长度的错误实体被预测出来，其头和尾和正确的短实体一样，是否说明模型太过于关注了头和尾，忽略了长实体中间的信息?如果和训练一样，设置为100，就不会有这样的问题。
你的第二个问题，可以不选cat，而选cat_plus+max_pooling/mean_pooling/mix_pooling就可以解决了，源代码里有具体实现
非常感谢作者的论文和代码，但是在复现的时候发现点问题：
1、当序列长度很长时，即解码时，会出现超出token数量的token_span，我查询到应该时decode_rel函数中这三行缩进的问题： ` for ent in ent_list:
` 主要是这三行，加在了对关系解码的循环里了，需要缩进回去，跳出循环，对每一个样本做一次这样的操作即可。 如果加循环里面，会导致在每一个样本中，每当有一个关系就会不停的增加offset...，解码的时候就有问题了，会超出长度..出现不可预测的token_span，这个问题也在历史问题中有查到过。
2、我发现解码时如果序列长度设置的很长，会出现一些超出100长度的错误实体被预测出来，其头和尾和正确的短实体一样，是否说明模型太过于关注了头和尾，忽略了长实体中间的信息?如果和训练一样，设置为100，就不会有这样的问题。