qlzyssm-CSDN博客

原创《Segmentation Approach for Coreference Resolution Task》阅读笔记

文章目录一、研究内容二、方法三、实验结果及分析四、总结一、研究内容这篇文章的研究内容是篇章内的共指消解任务。文中提出方法的特点在于：可以一次性同时完成文章所有mention的消解，并捕获长距离的特征。该方法主要是通过为mention的位置关系设置一个嵌入实现的，具体而言，使用BERT对文章进行编码，然后基于此构建跨位置的嵌入式矩阵。从实验结果来看，在CoNLL 2012任务上，并没有达到SOTA，但是与其它方法，该方法可以更好地捕获到长距离依赖关系。二、方法现有的共指消解办法大都包含两个任务：找

2020-09-25 09:52:35 214

原创《Coreference Resolution with Entity Equalization》阅读笔记

这篇文章来自ACL (1) 2019: 673-677，其研究的问题是实体共指消解任务。作者任务，现有的基于pair-wise model缺乏全局信息，因此提出通过Entity Equalization的方法来弥补全局信息，从而提升模型的性能。作者的工作是基于Lee等人在2017、2018的两项工作。Lee等人（2017）提出了一种基于rank model的共指消解模型，然后为了进一步细化span的表达，他们在2018年提出了一种基于注意力机制的近似全局信息集成方法：对当前span的先行词集合计算一个概率

2020-09-18 14:52:55 399 1

原创《Selective Expression For Event Coreference Resolution on Twitter》阅读笔记

这篇文章来自IJCNN 2019: 1-8，其研究的问题是基于社交媒体数据的事件共指消解任务，并提出了相应的数据集（ECT）。ECT数据集上标注了event mention以及event trigger之间的共指关系。作者使用的方法架构如下图所示：模型输入的基本特征包括基于BiLSTM得到的sentence level feature和mention level feature。在此基础上，作者认为在同一个句子中，对于特定事件触发词trigger，不同单词的“地位”不一样（core word或者con

2020-09-18 14:50:25 207

原创《Precision Event Coreference Resolution Using Neural Network Classifiers》阅读笔记

这篇文章研究的问题是篇章内和跨篇章的事件共指消解任务。如下图所示，本文使用的模型由简单的两层前馈神经网络+softmax层组成。其输入特征由三部分组成：（1）event mention 1的特征向量：embeddings of the event word，the POS tag of the event word，embedding of words in a pre-defined window around the event word.（word2vec）（2）event mention 2的特

2020-09-18 14:47:47 206

原创 ACL2020《Improving Entity Linking through Semantic Reinforced Entity Embeddings》阅读笔记

文章目录二、背景与相关工作2.1 局部与全局分数局部分数（local score）全局分数（global score）2.2 相关工作三、方法二、背景与相关工作2.1 局部与全局分数局部分数（local score）Local score用于衡量mention与每个候选实体的相关性，可以表述为：全局分数（global score）Global score则在local score的基础之上额外考虑了文档中不同mention的候选实体的共现关系。2.2 相关工作三、方法FGS2EE分为四

2020-07-10 21:23:53 631

原创共指消解评价指标

文章目录一、简介二、MUC三、B3四、CEAF五、BLANC六、参考文献一、简介本篇博文主要介绍共指消解任务中常用的评价指标：MUC，B3，CEAF，以及BLANC。在实际应用中，通过采用上述评价指标的多种的平均值作为最终的评估指标。二、MUCMUC score计算了将预测的共指链映射到标注的共指链所需插入或者删除的最少的链接数量。其缺陷在于无法衡量系统预测单例实体（singleton entity）的性能。三、B3B3算法可以克服MUC的缺点，因为该算法主要是对每个mention来分别计算pr

2020-06-23 16:43:39 2071 1

原创 ECB+数据集介绍

一、Event DefinitionACE：an “event“ is defined as a specific occurrence of something that happens, often a change of state, involving participants (LDC, 2005B).TimeML：“events” are characterized as “situations that happen or occur”ECB+数据集对上述定义做了拓展，将来源于新闻

2020-05-12 11:20:56 1542

原创《Word Sense Disambiguation Improves Event Detection via Neural Representation Matching》阅读笔记

文章目录一、简介说明：《Similar but not the Same: Word Sense DisambiguationImproves Event Detection via Neural Representation Matching》（EMNLP 2018）一、简介词义消歧（WSD）：对于给定词及其上下文，确认该词在当前语境下的具体词义。事件检测（Event Detection）：找到事件触发词，并对事件类型进行分类这两个任务具有一定的相似性，因此可以考虑使用WSD学习到的知识来

2020-05-12 07:55:50 316

原创 CS224N-语言模型介绍

文章目录定义预测下一个单词为文本分配概率语言模型实现N-gram 语言模型神经网络语言模型RNN语言模型定义预测下一个单词语言模型是指根据给定序列预测下一个单词的任务，其形式化表达为：给定单词序列X(1), X(2), … , X(t)，然后预测单词X(t+1)的概率分布：为文本分配概率语言模型的另一种定义是给给定文本序列分配概率（这个概率代表了该文本序列出现的可能性大小）。例如，给定一段文本X(1), X(2), … , X(t)，那么这段文本出现的概率为：语言模型在现实生活中具有非常

2020-05-10 18:21:22 415

原创 CS224N-子词模型（subwords）

文章目录一、语言学知识（linguistics）语音学与音韵学形态学（Morphology）人类语言书写系统二、Subword ModelByte Pair EncodingWord piece modelSentence piece model三、Subword-level language model模型实现：《Character-Aware Neural Language Models》四、Hybrid NWT五、Character-level说明：本博文用于记录学习斯坦福CS224N的相关笔记，其

2020-05-10 17:28:04 1038

原创 numpy学习笔记

文章目录一、数据类型二、数组创建函数三、常用函数说明：本博文用于记录numpy相关基础知识一、数据类型常用的数据类型转换函数：arr.astype(type)二、数组创建函数三、常用函数

2020-05-10 17:01:53 116

原创 Linux相关命令记录

文章目录zip 与 unzip说明：本博文用于记录学习过程中用到的Linux的相关命令zip 与 unzip压缩文件夹：zip -r filename.zip dirname将文件解压到当前目录：unzip fileame.zip

2020-05-10 16:53:35 96

原创 CS224N-共指消解学习笔记

文章目录一、任务定义概念对比回指下指二、应用场景Full text understanding机器翻译（machine translation）对话系统（Dialogue Systems）三、研究方法四、共指消解模型Rule-based (pronominal anaphora resolution)Mention-Pair Model训练测试缺陷Mention-Ranking ModelClustering五、二分类器或ranking模型实现Non-neural statistical classifie

2020-05-10 16:12:13 898 1

翻译《Event Structure Representation: Between Verbs and Argument Structure Constructions》翻译（一）

文章目录Abstract1. IntroductionAbstract本文通过分离言语语义和动词所出现的自变量结构构造的含义，提出了一种事件结构的新颖表示形式。我们的模型演示了这两种含义表示是如何相互作用的。因此，与纯粹基于动词的方法不同，我们的模型可以有效地处理具有不同实体参数结构构造的各种动词构造。但是，与许多基于构造的方法不同，我们还提供了动词含义引起的事件结构的更丰富表示。1. ...

2020-05-09 21:31:09 558

原创《Using recurrent neural network models for early detection of heart failure onset》阅读笔记

文章目录一、简介二、相关工作三、方法one-hot encodeGrouped code vectors==Medical concept vector==三、ExperimentDatasetBaselineResult一、简介这篇文章是AIMA于2017年收录的一篇文章。在这篇文章中，作者利用GRU来对EHR数据的时序关系进行建模，并在对HF早期诊断的任务上取得了较好的结果。电子健康记录...

2020-05-08 15:21:25 254

原创《Improving Event Coreference Resolution by Learning Argument Compatibility from Unlabeled Data》阅读笔记

文章目录一、argument feature基本假设常用的 argument feature问题二、learn argument compatibility from unlabled data预训练阶段fine-tune阶段三、experiment一、argument feature基本假设如果两个event mention的扮演同一角色的argument互不兼容，那么这两个event m...

2020-05-07 08:25:24 494 1

原创《Revisiting Joint Modeling of Cross-document Entity and Event Coreference Resolution》阅读笔记

文章目录一、简介二、方法2.1 mention representationspancontextSemantic dependency to other mentions2.2 model2.3 train and inference algorithm一、简介这篇文章来自于ACL 2019，针对的是跨篇章的实体和事件共指消解任务。二、方法2.1 mention representati...

2020-05-06 18:18:21 366

原创进程间通信

进程通信文章目录进程通信一、进程通信概述1.1 进程同步、互斥与进程通信1.2 高级进程通信方式分类二、常见高级进程通信方式介绍2.1 共享存储器系统2.1.1基于共享数据结构的通信方式2.1.2基于共享存储区的通信方式：2.2 消息传递系统2.3 管道通信（共享文件）2.3 1 互斥：诸进程互斥读写管道2.3.2 同步：管道空、满情况处理2.3.3 存在：确定对方是否存在一、进程通信概述1...

2019-02-27 15:39:11 213

原创经典进程同步与互斥问题

经典进程同步与互斥问题文章目录经典进程同步与互斥问题一、生产者与消费者问题1.1 问题概述1.2 解决方法二、读者与写者问题2.1 问题概述2.2 解决方法三、哲学家进餐过程3.1 问题概述3.2 解决方法一、生产者与消费者问题1.1 问题概述生产者与消费者互斥使用一个缓冲池当缓冲池为空时，生产者才能写入数据当缓冲池不为空时，消费者才能读取数据1.2 解决方法设置3个信号量：m...

2019-02-26 17:51:04 2546

原创 string类中size()、length()和strlen()的区别

size()、length()是c++中string的类的方法，只有string类的对象才可以用该方法，而字符串数组不可用，而strlen、strcpy等源于C语言的字符串处理函数库，需要include<string.h>,同时也只有字符串数组才可以用size()与length()完全等同，遇到空字符不会被截断，可以返回字符串真实长度strlen(),源于C语言，遇到空字符会截断...

2019-01-28 22:44:42 32277 1

原创 #define, const与inline

#define、const与inline在c++中有一组功能相似的关键字：#define、const以及inline，本文旨在阐述三者的区别。一、#define#define，也称为宏定义，源于C语言。在程序进入编译器之前，便会被预处理程序处理。如下，程序员编写代码时，可以用PI代替常量3.14，代码在编译之前会被预处理程序进行处理：即用3.14替换PI。因此，编译器的符号表中只含有3.14...

2019-01-27 22:14:27 320

原创 C语言词法分析扫描器

#include#include//定义关键字表char keyword[10][10]={"int","char","float","if","else","while","break","continue","main","return"};int len_key=10;//定义界符表char del[]={'+','-','*','/','=','(',')','[',']'

2018-01-15 19:38:17 2442

qlzy的博客