![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
关系抽取_paper
文章平均质量分 77
关系抽取paper
及时行樂_
方向:航空数据异常/攻击检测及分析,欢迎私信交流,共同进步~
展开
-
【论文泛读37】基于序列和树结构的端到端关系抽取
贴一下汇总贴:论文阅读记录论文链接:《End-to-End Relation Extraction using LSTMs on Sequences and Tree Structures》一、摘要我们提出了一种新的端到端神经模型来提取实体和它们之间的关系。我们基于递归神经网络的模型通过在双向序列LSTM神经网络上堆叠双向树结构LSTM神经网络来捕获单词序列和依赖树子结构信息。这允许我们的模型在单个模型中用共享参数联合表示实体和关系。我们进一步鼓励在培训期间对实体进行检测,并通过实体预处理和计划抽样在原创 2021-03-29 16:50:32 · 351 阅读 · 0 评论 -
【论文泛读36】带注意的RNN语义关系分类
贴一下汇总贴:论文阅读记录论文链接:《Semantic Relation Classification via Hierarchical Recurrent Neural Network with Attention》一、摘要语义关系分类仍然是自然语言处理中的一个挑战。在这篇文章中,我们介绍了一个层次递归神经网络,它能够从原始句子中提取信息,用于关系分类。我们的模型有几个显著的特点:(1)每个句子根据两个注释名词被分成三个上下文子序列,这允许模型独立地编码每个上下文子序列,以便选择性地聚焦于重要的上下原创 2021-03-28 14:43:39 · 247 阅读 · 0 评论 -
【论文泛读35】基于注意力的双向长短期记忆网络关系分类
贴一下汇总贴:论文阅读记录论文链接:《Attention-Based Bidirectional Long Short-Term Memory Networks for Relation Classification》一、摘要关系分类是自然语言处理领域中一项重要的语义处理任务。最先进的系统仍然依赖词汇资源,如WordNet或NLP系统,如依赖解析器和命名实体识别器(NER)来获得高级功能。另一个挑战是重要信息可以出现在句子的任何位置。为了解决这些问题,我们提出了基于注意的双向长短期记忆网络来获取句子中原创 2021-03-27 12:27:50 · 558 阅读 · 0 评论 -
【论文泛读34】用于关系分类的双向长短期记忆网络
贴一下汇总贴:论文阅读记录论文链接:《Bidirectional Long Short-Term Memory Networks for Relation Classification》一、摘要关系分类是一种重要的语义处理,近年来受到了极大的关注。主要的挑战是重要的信息可以出现在句子的任何位置。因此,我们提出双向长短期记忆网络(BLSTM)来用关于所有单词的完整、连续的信息来建模句子。与此同时,我们还使用从词汇资源(如WordNet)或自然语言处理系统(如依赖解析器和命名实体识别器(NER))中获得的原创 2021-03-26 14:50:08 · 786 阅读 · 0 评论 -
【论文泛读33】基于RNN的关系分类
贴一下汇总贴:论文阅读记录论文链接:《Relation Classification via Recurrent Neural Network》一、摘要深度学习在句子级关系分类方面取得了很大的成功。例如,卷积神经网络(CNN)提供了竞争性能,而不像传统的基于模式的方法那样在特征工程上付出太多努力。因此,基于CNN结构已经产生了许多作品。然而,基于CNN的方法没有很好地解决的一个关键问题是缺乏学习时间特征的能力,特别是名词对之间的长距离依赖性。本文提出了一个基于递归神经网络(RNN)的简单框架,并与基于原创 2021-03-24 18:54:10 · 400 阅读 · 0 评论 -
【论文泛读31】基于注意力的语义关系抽取CNN
贴一下汇总贴:论文阅读记录论文链接:《Attention-Based Convolutional Neural Network for Semantic Relation Extraction》一、摘要目前,神经网络在关系分类中发挥着重要的作用。在本文中,我们提出了一种新的基于注意力的卷积神经网络结构来完成这一任务。我们的模型充分利用了单词嵌入、词性标注嵌入和位置嵌入信息。词级注意机制能够更好地确定句子的哪个部分相对于两个感兴趣的实体最有影响。这种体系结构能够从特定于任务的标记数据中学习一些重要的特性原创 2021-03-23 13:19:33 · 785 阅读 · 0 评论 -
【论文泛读27】基于卷积深层神经网络的关系分类
贴一下汇总贴:论文阅读记录论文链接:《Relation Classification via Convolutional Deep Neural Network》一、摘要用于关系分类的最新方法主要基于统计机器学习,它们的性能很大程度上取决于提取特征的质量。所提取的特征通常来自于预先存在的自然语言处理系统的输出,这导致了现有工具中错误的传播,并阻碍了这些系统的性能。在本文中,我们利用一个卷积深层神经网络(DNN)来提取词汇和句子层面的特征。我们的方法将所有单词标记作为输入,无需复杂的预处理。首先,通过查原创 2021-03-17 20:48:55 · 332 阅读 · 0 评论 -
【论文泛读28】用卷积神经网络排序对关系进行分类
贴一下汇总贴:论文阅读记录论文链接:《Classifying Relations by Ranking with Convolutional Neural Networks》一、摘要关系分类是一项重要的语义处理任务,目前的系统仍然依赖于昂贵的手工特征。在这项工作中,我们使用一个卷积神经网络来处理关系分类任务,该网络通过排序来执行分类。我们提出了一个新的成对排序损失函数,使得减少人工类的影响变得容易。我们使用SemEval-2010 Task 8数据集进行实验,该数据集旨在对两个名词性句子之间的关系进行原创 2021-03-20 19:50:56 · 497 阅读 · 1 评论 -
【论文泛读29】关系抽取:卷积神经网络的视角
贴一下汇总贴:论文阅读记录论文链接:《Relation Extraction:Perspective from Convolutional Neural Networks》一、摘要到目前为止,关系抽取系统已经广泛使用了由语言分析模块生成的特征。这些特征中的错误导致关系检测和分类的错误。在这项工作中,我们通过引入用于关系提取的卷积神经网络,从句子中自动学习特征,并最小化对外部工具包和资源的依赖,从而摆脱了这些具有复杂特征工程的传统方法。我们的模型利用过滤器的多窗口大小和预先训练的单词嵌入作为非静态架构上原创 2021-03-21 15:24:18 · 399 阅读 · 0 评论 -
【论文泛读30】基于多层次注意CNN的关系分类
贴一下汇总贴:论文阅读记录论文链接:《Relation Classification via Multi-Level Attention CNNs》一、摘要在众多试图从文本中挖掘结构化事实的信息抽取系统中,关系分类是一个至关重要的组成部分。我们提出了一种新的卷积神经网络结构来完成这项任务,它依靠两个层次的注意力来更好地识别异构环境中的模式。这种体系结构允许从特定于任务的标记数据中进行端到端的学习,而不需要外部知识,如显式的依赖结构。实验表明,我们的模型优于以前最先进的方法,包括那些依赖于更丰富形式的先原创 2021-03-22 16:58:03 · 320 阅读 · 0 评论