整个论文模型的任务是多任务学习，需要识别出一个句子中的实体、实体标签、实体关系、事件和角色。为了简化流程我就以实体为例介绍。
模型流程为：给定一个句子，通过ident模型识别出其中的实体，把实体建模为因子图，接下来对于抽取出来的实体，利用bert对其编码获得bert_output，将编码后的结果送入一个ffn得到实体标签的分数记为entity_type_score。（其中包括一元，二元，三元分数不过这个不重要，应该不在你的考虑范围）。利用这些实体标签得分/关系标签得分/事件得分来计算消息出因子图message（公式原文给出）。最后利用message来使用MFVI更新近似后验Q。（都是线性的变化）
希望完成的任务就是把最后更新近似后验分布的算法改为SVI，并且无需给出所有任务的实现，只需实现实体标签的svi部分。（预估不会超过100行）
给出一个函数，在函数内部进行svi推断，更新模型参数（应该只有获得实体标签分数的ffn需要更新，其余都是线性变化），返回近似后验分布。
这个函数的输入随意，输出的话尽量和原代码里mfvi函数的输出一样。
虽然代码很长，你只需要看model里面的ONEIE类的score和mfvi函数就应该可以了，其余流程都是死的。
Github网站：JZXXX/CRFIE (github.com)
除了上面的代码，还需要去huggingface上下一个bert。数据集github也给出了。然后后再config里面配置一下就行。