论文阅读
windflyhuang
这个作者很懒,什么都没留下…
展开
-
Joint Event Extraction via Recurrent Neural Networks
thien Huu Nguyen 摘要:事件提取是一个在信息提取方面特别具有挑战性的问题。这个问题的最先进的模型要么是应用卷积神经网络一个管道框架(Chen等人,2015年)或通过结构化的方式遵循联合架构具有丰富的本地和全局特性的预测(李et al .,2013)。前者能够从基于连续和广义的词语表示的数据中自动学习隐藏要素特征。后者,另一方面,也有能力减轻管道方法的错误传播问题和通过离散结构利用...翻译 2018-06-21 10:34:26 · 1512 阅读 · 0 评论 -
Event Extraction via Dynamic Multi-Pooling Convolutional Neural
摘要:ACE事件抽取任务的传统方法基本依赖于精巧的特征设计和复杂的NLP工具。那些方法缺乏普适性,耗费大量人力物力且容易错误传播。3.方法 在这篇论文中,事件抽取有两个阶段,通过使用动态多池卷积神经网络自动学习特征来实现多类分类。第一步是触发词分类,我们使用DMCNN来讲句子中每个词语分类来实现触发词的识别。如果一个句子有触发词,第二部将执行,在此使用DMCNN分配论元给触发词和匹配论元到角...翻译 2018-04-13 11:15:33 · 1796 阅读 · 6 评论 -
A Study on Retrospective and On-Line Event Detection
本文研究了事件检测的文本检索和聚类技术的使用和扩展。任务是从时间顺序的新闻故事流中自动检测新事件,要么追溯或要么随着故事的到来。我们应用15836层语料库的分层和非分层文档聚类算法,聚焦于内容和时间信息的发掘。我们发现所得到的聚类层次对于以前未被识别的事件的追溯检测具有高度的信息性,分别支持无查询和查询驱动的检索。我们还发现,文档聚类的时间分布模式提供了有用的信息用于回顾性检测和在线检测新事...翻译 2018-07-09 22:58:35 · 437 阅读 · 1 评论 -
Joint Event Extraction via Recurrent Neural Networks
thien Huu Nguyen 摘要:事件提取是一个在信息提取方面特别具有挑战性的问题。这个问题的最先进的模型要么是应用卷积神经网络一个管道框架(Chen等人,2015年)或通过结构化的方式遵循联合架构具有丰富的本地和全局特性的预测(李et al .,2013)。前者能够从基于连续和广义的词语表示的数据中自动学习隐藏要素特征。后者,另一方面,也有能力减轻管道方法的错误传播问题和通过离散结构利用...翻译 2018-07-06 15:38:45 · 538 阅读 · 0 评论 -
A System for New Event Detection
新事件的文档表示和术语加权的主流技术。检测任务。在TDT-2002(包括我们的)中评估的所有四个系统都使用它。然而,在TFIDF的应用中存在差异。 CMU使用它与历史和前瞻数据的不同聚类技术相结合〔10〕。他们首先把一个新的文档分类成一个广泛的主题,然后进行主题条件的新颖性检测每个主题〔11, 12〕。主题模型包括主题特定的停用词删除和主题实体和其他特征的主题敏感加权。IBM基于单个...翻译 2018-07-06 15:39:45 · 484 阅读 · 0 评论