之前看的文章都是参数共享,该文章是
刚看完,觉得还是非常不错的.
大概了解下本文要做的任务,即要识别实体,又要判断实体之间的关系,由图1给出的例子中,单词1(Join)是实体,类型是person, 单词4,5 (Los Angeles)是实体,类型是地点,以此...., 然后是三个实体之间的关系.本文文章不是参数共享,而是已知的第一篇在神经网络中用的joint decoding. 实体的识别和关系的判断是交叉进行的,两个子任务之间是相互促进,相互有帮助的.
Table 3以图1的例子给出了详细的解析过程,特别注意的是12 state,
σ
σ
中实体个数多于一个时就弹出上面一个元素
5∗
5
∗
到
δ
δ
中,然后判断
δ
δ
中的这个元素
5∗
5
∗
与
β
β
中的实体
6∗
6
∗
判断是否有关系,有关系就存放入R中,在13 state中,
σ
σ
中的元素
1∗
1
∗
与
β
β
中
6∗
6
∗
判断是否有关系,如果有关系,就存入R中.接下来将
δ
δ
中的
5∗
5
∗
移出放入
σ
σ
中,
β
β
中的
6∗
6
∗
同上
Figure 6解释了用recursive neural network编码关系的过程
明天更