论文笔记：Event Detection with Trigger-Aware Lattice Neural Network

最新推荐文章于 2022-04-14 13:28:26 发布
最新推荐文章于 2022-04-14 13:28:26 发布
阅读量337 收藏 3
点赞数 3
文章标签： 人工智能 自然语言处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u011150266/article/details/116155875
版权
论文提出了TLNN模型，旨在解决中文事件检测中的触发词不匹配和一词多义问题。该模型结合字符、单词及HowNet语义层级信息，通过额外的LSTMCell整合特征。实验在ACE 2005和KBP 2017数据集上，对比基于字符和词的模型，显示了优越性能。
摘要由CSDN通过智能技术生成

  作者：崔金满      单位：燕山大学

论文链接：https://www.aclweb.org/anthology/D19-1033/

代码地址：https://github.com/thunlp/TLNN

数据集：ACE 2005 和 KBP 2017 （中文语料）

来源：EMNLP 2019

事件检测包括触发器识别和对事件提及进行分类两个子任务，对于没有分隔符的中文来说主流的方法是基于词汇的模型，即首先对句子进行分词，然后再执行后续任务。

针对问题：

  1. 触发词不匹配问题：如一个触发器属于一个词的一部分，或者由多个词组成。在下图中，“射”和“杀”两个触发器分别对应两个不同的事件，却在中文分词过程中往往会将其分为一个词“射杀”；

最低0.47元/天 解锁文章
期待成功
关注
GNN2021(十九) GraphReach: Position-Aware Graph Neural Network using Reachability Estimations，IJCAI2021
qq_36618444的博客
09-09 641
本篇文章可以看做是之前写过的博客Position-aware Graph Neural Networks，ICML2019 中P-GNN的改进，有兴趣的小伙伴可以点击传送门去看哈。 Introduction 从直觉来说，GNN中，两个距离非常远但位于相似区域的节点应该映射到相似嵌入，但是基于同质性假设的GNN并不能很好地做到这一点。因此，为了引入全局的节点位置信息，在P-GNN的基础上提出GRAPHREACH，具体来说就是通过对一组锚节点（anchor nodes）的可达性估计来捕获节点的全局位置。换句话.
【论文解读 EMNLP 2019 | TLNN】Event Detection with Trigger-Aware Lattice Neural Network
byn12345的博客
04-19 1872
论文题目：Event Detection with Trigger-Aware Lattice Neural Network 论文来源：EMNLP 2019 清华 论文链接：https://www.aclweb.org/anthology/D19-1033/ 代码链接：https://github.com/thunlp/TLNN 关键词：事件检测，word-trigger不匹配，trigger...
论文笔记：Event Detection without Triggers
u011150266的博客
05-10 358
姓名：崔金满 单位：燕山大学 论文地址：https://www.aclweb.org/anthology/N19-1080.pdf 代码地址：https://github.com/liushulinle/event_detection_without_triggers 数据集：ACE 2005 来源：NAACL 2019 Abstract： 事件检测的目标是检测事件的发生并对其进行分类。以前的工作是通过识别和分类事件触发器来解决这个问题，事件触发器被定义为最清晰地表达事件发生的单词或短语。
Event Detection with Trigger-Aware Lattice Neural Network（论文解读）
broccoli2的博客
01-07 1307
本文针对事件抽取任务中的触发词识别和触发词分类子任务提出了可以充分利用字级别和词级别语义信息的模型Trigger-Aware Lattice Neural Network（TLNN），在ACE2005和KBP2017数据集上取得了state-of-art的效果。本文收录在EMNLP2019 源码：github 原文：原文链接 缺少自然分隔符的语言（如中文）在事件抽取任务上存在以下问题： ① 基于词...
论文阅读 # Event Detection with Trigger-Aware Lattice Neural Network
一杯红酒7的博客
10-06 991
这里写目录标题摘要1.介绍2.方法2.1 分层表示学习2.2 触发感知特征提取程序2.3 序列标记器3.实验3.1 数据集和实验设置3.2 总体结果3.3 触发感知特征抽取器的作用3.4 触发失配的影响3.5 触发多义词的影响3.6 案例研究4 相关工作 当事件检测涉及到没有自然分隔符（个人理解：每个字之间没有分隔符，不像英文每个单词之间有空格，而中文没有，中文只有句子之间才有分隔符）的语言时，会出现两个问题 （1）基于单词的模型存在严重的word-trigger不匹配问题，限制了模型的性能； （2）一词多
论文笔记 ACL 2015|Event Detection and Domain Adaptation with Convolutional Neural Networks
o11oo11o的博客
08-15 350
文章目录1 简介1.1 动机1.2 创新2 背景知识3 方法4 实验5 总结 1 简介 论文题目：Event Detection and Domain Adaptation with Convolutional Neural Networks 论文来源：ACL2015 论文链接：https://aclanthology.org/P15-2060.pdf 1.1 动机 1.2 创新 2 背景知识 3 方法 4 实验 5 总结 ...
论文笔记 ACL 2021|Low-resource Event Detection with Ontology Embedding
o11oo11o的博客
03-20 5054
文章目录1 简介1.2 创新2 方法2.1 Event Detection (Ontology Population)2.2 Event Ontology Learning2.3 Event Correlation Inference3 实验 1 简介 论文题目：Low-resource Event Detection with Ontology Embedding 论文来源：ACL 2021 论文链接：https://aclanthology.org/2021.acl-long.220.pdf 代码链接：
《PHASEN:A Phase and Harmonics-Aware Speech Enhancement Network》Pytorch代码学习
01-20
PHASEN结构 ...PHASEN是一个双流网络，其中幅值流和相位流分别专门用于幅值和相位预测。幅值流主要由卷积操作，频域变换模块（FTB，后文介绍）以及双向 LSTM 组成，而相位流为纯卷积网络。强度流的预测结果为幅值掩膜 M...
SAFE: Similarity-Aware Multi-Modal Fake News Detection-学习笔记
ChanYeol666的博客
10-12 1995
SAFE: Similarity-Aware Multi-Modal Fake News Detection 假新闻检测方法通常可以分为（I）基于内容的方法和（II）基于社交上下文的方法。 PolitiFact（politifact.com）是美国著名的非盈利性的政治陈述和报告真相检查网站。 GossipCop（gossipcop.com）是一个网站，用于检查杂志和报纸上发布的名人报道和娱乐故事。 LIWC是一个广泛接受的心理语言词典。给定一个新闻故事，LIWC可以对文本中的单词进行计数，这些单词属于
2019 - ICCV - 图像修复 Image Inpainting 论文导读《StructureFlow: Image Inpainting via Structure-aware ~~》
m0_51339444的博客
04-14 3791
2019 - ICCV - 图像修复 Image Inpainting 论文导读《StructureFlow: Image Inpainting via Structure-aware ~~》
论文笔记 ACL 2020|Improving Event Detection via Open-domain Trigger Knowledge
o11oo11o的博客
02-13 2043
文章目录1 简介1.1 动机1.2 创新2 背景知识3 方法4 实验5 总结 1 简介 论文题目：Improving Event Detection via Open-domain Trigger Knowledge 论文来源：ACL 2020 论文链接：https://aclanthology.org/2020.acl-main.522.pdf 代码链接：https://github.com/shuaiwa16/ekd 1.1 动机 1.2 创新 2 背景知识 3 方法 4 实验 5 总结 ...
论文笔记 ACL 2016|Leveraging FrameNet to Improve Automatic Event Detection
o11oo11o的博客
12-12 2352
文章目录1 简介1.2 创新2 背景知识3 方法4 实验 1 简介 论文题目：Leveraging FrameNet to Improve Automatic Event Detection 论文来源：ACL 2016 论文链接：https://aclanthology.org/P16-1201.pdf 1.2 创新 使用FrameNet提高事件检测任务的表现，同时探究FrameNet中的frame和ACE中事件之间的关系。 2 背景知识 在FrameNet中一个frame包括一个lexical uni
论文笔记 ACL 2021|MLBiNet: A Cross-Sentence Collective Event Detection Network
o11oo11o的博客
12-01 781
文章目录1 简介1.1 创新2 方法3 实验4 总结 1 简介 论文题目：MLBiNet: A Cross-Sentence Collective Event Detection Network 论文来源：ACL 2021 论文链接：https://arxiv.org/pdf/2105.09458.pdf 代码链接：https://github.com/zjunlp/DocED 1.1 创新 -提出一个多层的模型(MLBiNet)同时传递文档级别的语义信息和事件之间的依赖信息，用于事件检测任务。 2 方法
ACL2021事件抽取及事件相关论文整理
carrie_0307的博客
06-23 2176
ACL2021放榜啦！具体请看这里！ 小编对其中事件抽取以及事件相关的论文整理如下: 事件检测(ED) Unleash GPT-2 Power for Event Detection OntoED: Low-resource Event Detection with Ontology Embedding Few-Shot Event Detection with Prototypical Amortized Conditional Random Field 事件抽取(EE) Text2Event: C
论文阅读-Event Detection without Triggers
broccoli2的博客
01-08 2289
Event Detection without Triggers（腾讯、NAACL2019、源码&无数据集源码） 原文链接：原文链接 (1)背景 事件检测（Event detection）的目标是检测文本中是否含有事件并对其进行分类。传统的事件检测任务往往首先识别文本中的事件触发词（Event trigger），然后对触发词进行分类。这类任务需要预定义触发词字典并耗费大量时间对触发词进行标...
Event Extraction
Deep Learning and NLP Farm
04-19 2394
Turku BioNLP Group:  http://bionlp.utu.fi/eventextractionsoftware.html Thien Huu Nguyen : http://www.cs.nyu.edu/~thien/
qmagface: simple and accurate quality-aware face recognition
最新发布
11-20
QMAGFACE是一种简单而准确的质量感知人脸识别系统。它使用先进的人脸识别技术来实现高精度的识别，同时考虑了人脸图像的质量因素。 QMAGFACE的主要特点是简单易用。用户只需在系统中输入待识别的人脸图像或视频，系统会通过分析人脸特征来进行识别。相比其他复杂的人脸识别系统，QMAGFACE可以快速进行人脸特征提取和匹配，从而大大提高了识别的速度和准确性。 此外，QMAGFACE还具备质量感知功能，即识别时考虑人脸图像的质量因素。这意味着系统会分析人脸图像的清晰度、角度、光照等因素，并根据质量评估结果进行相应的处理和调整。例如，当人脸图像质量较低时，系统可以自动进行图像增强，使得识别结果更加准确可靠。 QMAGFACE还可以广泛应用于各个领域。例如，在安防领域，它可以用于人脸门禁系统，提高安全性和便捷性。在社交媒体领域，它可以用于自动标记人脸照片，减少手动操作的工作量。在市场调研领域，它可以用于人脸识别统计人群数量和特征。 总之，QMAGFACE是一种简单而准确的质量感知人脸识别系统，其高精度的识别和质量感知功能使其在各个领域都具有广泛的应用前景。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值