BinLiang-NLP
commented
2 years ago 作者你好呀，我想请问一下，论文里对这两个图'.graph_af'和'.graph_inter'的描述和代码里的是搞混了吗？不知道是不是我理解错了，就是'.graph_af'的代码其实是写'.graph_inter'的文件里的。还有emm，方便告诉一下参数设置吗？我跑的结果和论文里还相差有点距离~
您好， 非常感谢您提出的问题。
我仔细检查了代码，两个图：'.graph_af'和'.graph_inter'的代码和描述是没有搞混的。 您可以执行“python generate_graph_for_aspect.py”生成aspect-focused图，对应论文中的公式2-5。可以执行“python generate_position_con_graph.py”生成完整的inter-aspect图，对应论文中的公式2-6。
关于性能问题，我们使用的参数已在论文给出，您可以参考论文的设置。同时，如果您需要更优的结果，可以根据不同的数据集继续调整参数。请参阅*train.py文件，特别是可以调整“--seed”参数。另外，对于REST14和LAP14数据集，您可以使用更深的GCN layers来获得更优的性能。 此外，因为这几个数据集数据量都比较少。您可以发现在跑模型的时候（包括baselines和我们提出的模型），性能的波动是挺大的。所以我建议您可以调整“--seed”、“--mini-batch”、“--l2reg”、“--hidden_dim”等参数，以及GCN的层数来获取更优的性能。 我们在README的Performance里给出了目前我们根据论文给出的参数，只通过探索不同--seed**在各个数据集上得到的最佳性能。您可以参考一下。
如有其他问题，可以随时联系我。 非常感谢！
Nyyyyy123
作者你好呀，我想请问一下，论文里对这两个图'.graph_af'和'.graph_inter'的描述和代码里的是搞混了吗？不知道是不是我理解错了，就是'.graph_af'的代码其实是写'.graph_inter'的文件里的。还有emm，方便告诉一下参数设置吗？我跑的结果和论文里还相差有点距离~