论文阅读笔记
文章平均质量分 92
大浪中航行
这个作者很懒,什么都没留下…
展开
-
关系提取与关系分类——论文阅读列表
已阅读Relation Classification via Convolutional Deep Neural NetworkStructure Regularized Neural Network for Entity Relation Classification for Chinese Literature TextDistant Supervision for Relation...原创 2018-05-09 09:38:51 · 1571 阅读 · 3 评论 -
Distant Supervision for Relation Extraction via Piecewise Convolutional Neural Networks
主要贡献提出使用PCNN来自动提取特征。往PCNN中加入multi-instance learning,用来解决远程监督引发的错误标签问题。提出分段进行max pooling,从而考虑两个Entity之间的结构特征。作者提出,之前关于关系分类的方法主要分为2种: 1. 基于特征的方法,这种方式对人工特征向量的要求较高,需要为数据集找出一种合适的特征表示。 2. 基于kernel...原创 2018-05-14 15:27:10 · 1856 阅读 · 0 评论 -
Distant Supervision for Relation Extraction with Sentence-Level Attention and Entity Descriptions
原创 2018-05-08 15:18:54 · 2604 阅读 · 0 评论 -
Taxonomy部分方法
基于分布式表示关键概念获取生成候选上位词(hypernyms)或下位词(hyponyms),这两类词通常是key terms,我们可以通过词性标注(POS tagging)或者命名实体识别(named entity recognition,NER)加上基于规则的匹配来提取。对于专业领域的taxonomies,需要在预处理的最后进行domain filter来过滤掉不在领域内的术语从而提...原创 2018-05-08 15:29:33 · 824 阅读 · 0 评论 -
Classifying Relations via Long Short Term Memory Networks along Shortest Dependency Path
主要贡献:SDP对于关系分类很有用,它包含了大量对关系分类有用的信息。自然语言的歧义性会提高这个任务的难度,因此整合异构语言知识对任务是有益的。将SDP按照公共子节点分成两段子路径能够捕捉到关系的有向性。LSTM单元能够有效的检测到特征并沿着SDP传播。摘要 这篇文章中,作者提出了SDP-LSTM模型来对一句句子中的两个实体进行关系分类。这种生机网络架构利用了两个实体间的...原创 2018-05-08 15:33:50 · 1368 阅读 · 1 评论 -
Reinforcement Learning for Relation Classification from Noisy Data
主要贡献 提出一个新的关系分类模型,它有实体选择器与关系分类器构成。它能够在句子级别提取关系。 将实体选择问题转换成强化学习问题,这使得不需要实体选择的标签,而只需要关系分类器的弱监督的回馈就能进行实体选择。 摘要 现在的关系分类方法都是依赖拍距离监督假设(distance supervision assume)的,它假设一系列提到一对实体的句子,都是在描述这对...原创 2018-05-08 15:46:16 · 2495 阅读 · 0 评论