最新最全论文合集——基于深度学习的事件抽取

AMiner平台（https://www.aminer.cn）由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。

必读论文：https://www.aminer.cn/topic

论文集地址：https://www.aminer.cn/topic/601b8ccd92c7f9be21a438bb

事件抽取(Event Extraction, EE)是NLP领域中一种经典的信息抽取任务，在商业、军事等领域的情报工作中应用非常广泛。从理论发展的角度看，事件抽取的相关研究，有助于我们深入了解任机器理解数据、理解世界的机制，也有助于我们了解自身的认知机制，作为一种方法对人工智能之外领域的研究也是非常有意义的。从应用的角度看，事件抽取技术可以帮助我们解决很多现实问题，比如前面提到的海量信息的自动处理。而近年来，深度学习技术的发展，使得事件抽取的水平有了大幅度的提升。

该论文集共收录40篇论文，引用最多的论文为Event Extraction via Dynamic Multi-Pooling Convolutional Neural Networks，引用数是212。

订阅了解更多论文信息，定制您的个人科研动态信息流：https://www.aminer.cn/user/notification?f=mt