![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
paper note
qlzyssm
这个作者很懒,什么都没留下…
展开
-
《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:找原创 2020-09-25 09:52:35 · 218 阅读 · 0 评论 -
《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原创 2020-09-18 14:52:55 · 400 阅读 · 1 评论 -
《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原创 2020-09-18 14:50:25 · 210 阅读 · 0 评论 -
《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的特原创 2020-09-18 14:47:47 · 207 阅读 · 0 评论 -
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分为四原创 2020-07-10 21:23:53 · 636 阅读 · 0 评论 -
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原创 2020-06-23 16:43:39 · 2102 阅读 · 1 评论 -
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,将来源于新闻原创 2020-05-12 11:20:56 · 1548 阅读 · 0 评论 -
《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学习到的知识来原创 2020-05-12 07:55:50 · 317 阅读 · 0 评论 -
《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. ...翻译 2020-05-09 21:31:09 · 569 阅读 · 0 评论 -
《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...原创 2020-05-08 15:21:25 · 257 阅读 · 0 评论 -
《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...原创 2020-05-07 08:25:24 · 496 阅读 · 1 评论 -
《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...原创 2020-05-06 18:18:21 · 373 阅读 · 0 评论