NAACL 2021 上的图神经网络好文

最新推荐文章于 2023-01-14 15:09:08 发布
最新推荐文章于 2023-01-14 15:09:08 发布
阅读量873 收藏 2
点赞数
分类专栏： 图神经网络 文章标签： 机器学习 深度学习 GNN
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/yanqianglifei/article/details/118281954
版权

NAACL 2021

  1. Cross-Task Instance Representation Interactions and Label Dependencies for Joint Information Extraction with Graph Convolutional Networks. Minh Van Nguyen, Viet Lai and Thien Huu Nguyen. NAACL 2021 [pdf]
    基于GCN进行实体表示与信息抽取的联合任务学习

  2. Abstract Meaning Representation Guided Graph Encoding and Decoding for Joint Information Extraction. Zixuan Zhang and Heng Ji. NAACL 2021 [pdf]

  3. Event Time Extraction and Propagation via Graph Attention Networks. Haoyang Wen, Yanru Qu, Heng Ji, Qiang Ning, Jiawei Han, Avi Sil, Hanghang Tong and Dan Roth. NAACL 2021 [pdf]
    基于Graph Attention Networks的事件时间抽取

  4. SGL: Speaking the Graph Languages of Semantic Parsing via Multilingual Translation. Luigi Procopio, Rocco Tripodi and Roberto Navigli. NAACL 2021 [pdf]
    基于Gaph描述的依存句法解析

  5. Neural Language Modeling for Contextualized Temporal Graph Generation. Aman Madaan and Yiming Yang. NAACL 2021 [pdf]
    基于时序Graph的语言模型，可以用于Graph生成

  6. Probabilistic Box Embeddings for Uncertain Knowledge Graph Reasoning. Xuelu Chen, Michael Boratko, Muhao Chen, Shib Sankar Dasgupta, Xiang Lorraine Li and Andrew McCallum. NAACL 2021 [pdf]

  7. MTAG: Modal-Temporal Attention Graph for Unaligned Human Multimodal Language Sequences. Jianing Yang, Yongxin Wang, Ruitao Yi, Yuying Zhu, Azaan Rehman, Amir Zadeh, Soujanya Poria and Louis-Philippe Morency. NAACL 2021 [pdf]

  8. Incorporating Syntax and Semantics in Coreference Resolution with Heterogeneous Graph Attention Network. Fan Jiang and Trevor Cohn. NAACL 2021 [pdf]

  9. Counterfactual Supporting Facts Extraction for Explainable Medical Record Based Diagnosis with Graph Network. Haoran Wu, Wei Chen, Shuang Xu and Bo Xu. NAACL 2021 [pdf]

  10. Generating An Optimal Interview Question Plan Using A Knowledge Graph And Integer Linear Programming. Soham Datta, Prabir Mallick, Sangameshwar Patil, Indrajit Bhattacharya and Girish Palshikar. NAACL 2021 [pdf]

  11. Heterogeneous Graph Neural Networks for Concept Prerequisite Relation Learning in Educational Data. Chenghao Jia, Yongliang Shen, Yechun Tang, Lu Sun and Weiming Lu. NAACL 2021 [pdf]

  12. Highly Efficient Knowledge Graph Embedding Learning with Orthogonal Procrustes Analysis. Xutan Peng, Guanyi Chen, Chenghua Lin and Mark Stevenson. NAACL 2021 [pdf]

  13. Temporal Knowledge Graph Completion using a Linear Temporal Regularizer and Multivector Embeddings. Chengjin Xu, Yung-Yu Chen, Mojtaba Nayyeri and Jens Lehmann. NAACL 2021 [pdf]

  14. Edge: Enriching Knowledge Graph Embeddings with External Text. Saed Rezayi, Handong Zhao, Sungchul Kim, Ryan Rossi, Nedim Lipka and Sheng Li. NAACL 2021 [pdf]

  15. Graph Ensemble Learning over Multiple Dependency Trees for Aspect-level Sentiment Classification. Xiaochen Hou, Peng Qi, Guangtao Wang, Rex Ying, Jing Huang, Xiaodong He and Bowen Zhou. NAACL 2021 [pdf]

  16. Aspect-based Sentiment Analysis with Type-aware Graph Convolutional Networks and Layer Ensemble. Yuanhe Tian, Guimin Chen and Yan Song. NAACL 2021 [pdf]

  17. Graph Convolutional Networks for Event Causality Identification with Rich Document-level Structures. Minh Tran Phu and Thien Huu Nguyen. NAACL 2021 [pdf]

  18. Knowledge Graph Based Synthetic Corpus Generation for Knowledge-Enhanced Language Model Pre-training. Oshin Agarwal, Heming Ge, Siamak Shakeri and Rami Al-Rfou. NAACL 2021 [pdf]

  19. Inductive Topic Variational Graph Auto-Encoder for Text Classification. Qianqian Xie, Jimin Huang, Pan Du, Min Peng and Jian-Yun Nie. NAACL 2021 [pdf]

  20. Efficiently Summarizing Text and Graph Encodings of Multi-Document Clusters. Ramakanth Pasunuru, Mengwen Liu, Mohit Bansal, Sujith Ravi and Markus Dreyer. NAACL 2021 [pdf]

聚类文档的表示学习

  1. Modeling Human Mental States with an Entity-based Narrative Graph. I-Ta Lee, Maria Leonor Pacheco and Dan Goldwasser. NAACL 2021 [pdf]
  2. ShadowGNN: Graph Projection Neural Network for Text-to-SQL Parser. Zhi Chen, Lu Chen, Yanbin Zhao, Ruisheng Cao, Zihan Xu, Su Zhu and Kai Yu. NAACL 2021 [pdf]
  3. RTFE: A Recursive Temporal Fact Embedding Framework for Temporal Knowledge Graph Completion. Youri Xu, Haihong E, Meina Song, Wenyu Song, Xiaodong Lv, Wang Haotian and Yang Jinrui. NAACL 2021 [pdf]
  4. Breadth First Reasoning Graph for Multi-hop Question Answering. Yongjie Huang and Meng Yang. NAACL 2021 [pdf]
  5. Improving Zero-Shot Cross-lingual Transfer for Multilingual Question Answering over Knowledge Graph. Yucheng Zhou, Xiubo Geng, Tao Shen, Wenqiang Zhang and Daxin Jiang. NAACL 2021 [pdf]
    26
    . DAGN: Discourse-Aware Graph Network for Logical Reasoning. Yinya Huang, Meng Fang, Yu Cao, Liwei Wang and Xiaodan Liang. NAACL 2021 [pdf]
致Great
关注
专栏目录
[论文解读]All in one：: Multi-Task Prompting for Graph Neural Networks图神经网络的多任务提示
人工智能曾小健
02-26 1308
这个函数可能是对提示图参数进行操作的某种计算，比如根据这些参数生成新的节点表示，或者更新模型的状态以适应新任务。在不同的上下文中，函数 f(θ) 可以有不同的具体含义，它通常会涉及到如何使用这些参数来影响模型的行为或其对数据的处理方式。不过，由于我无法直接查看PDF文件的内容，所以这里的解释是基于常见的机器学习和深度学习术语的一般性解释。提示图是一种用于调整预训练模型以适应特定任务的结构，这些参数可能包括用于构造提示的节点和边的权重，或者其他用于定义提示图结构的属性。与原始图 G 结合后的新表达式。
NAACL 2019最佳论文：量子概率驱动的神经网络
Paper weekly
06-10 1665
作者丨李秋池、王本友学校丨帕多瓦大学博士生研究方向丨信息检索/自然语言处理今天要介绍的文章与当前大火的 BERT 同获最佳论文，摘得 NAACL 2019 最佳可解释NL...
NAACL2021丨Knowledge Guided Metric Learning for Few-Shot Text Classification
u011150266的博客
05-25 455
作者：凯 单位：燕山大学 论文链接：https://www.aclweb.org/anthology/2021.naacl-main.261/ Knowledge Guided Metric Learning for Few-Shot Text ClassificationAbstractIntroductionContributions：MethodologyExperiment result Abstract 人类可以在很少的例子中非常有效地区分新类别，主要是由于人类可以利用从相关任务获得的知识。..
NAACL 2021 Accepted Paper List
Armor的博客
05-10 1023
官网地址：https://2021.naacl.org/program/accepted/ Paper List NAACL2021接受论文通过爬虫提取到下面的excel中 共计：528篇 获取excel Link 提取码：2021 快速检索小工具 使用python快速检索并从arxiv获取pdf import pandas as pd import requests from lxml import etree def get_pdf(key): url_format = "https://ar
NAACL2021 信息抽取与少/零样本相关论文整理
carrie_0307的博客
04-12 1111
NAACL2021放榜啦！！具体情况这里！ 小编对其中 事件抽取、关系抽取、NER和Few-Shot / Zero-Shot相关的论文整理如下，欢迎补充整理呦: 事件抽取 WEC: Deriving a Large-scale Cross-document Event Coreference dataset from Wikipedia Event Representation with Sequential, Semi-Supervised Discrete Variables Graph C
NAACL2021阅读理解论文整理
u011150266的博客
05-27 2113
就在5月23号，NAACL终于放榜啦,论文列表：https://www.aclweb.org/anthology/events/naacl-2021/
医学自然语言处理(NLP)相关论文汇总之 NAACL 2021
qq_39352201的博客
07-08 1497
医学自然语言处理(NLP)相关论文汇总之 NAACL 2021 【写在前面】NAACL2021前段时间已经放榜，自己抽时间整理了一下该会议在医疗自然语言处理方向上的相关论文，放在这里，希望对大家有一定的帮助吧。还会继续更新，大家有兴趣的话可以持续关注。 更多关于中文医疗自然语言处理的资源和论文汇总，请访问我的GitHub相关主页https://github.com/FutureForMe/Chinese_Medical_Natural_Language_Processing。 本体 The Bi.
NAACL 2021 | AWS AI 提出基于对比学习的端到端无监督聚类方法
Paper weekly
07-28 999
©PaperWeekly 原创 ·作者|李婧蕾学校|北京邮电大学硕士生研究方向|自然语言处理Abstract无监督聚类的目的是根据在表示空间中的距离发现数据的语义类别。然而，...
基于多模态图神经网络的视觉与场景文本
12746基于多模态图神经网络的视觉与场景文本高迪飞1，2 *，李可1，2 *，王瑞平1，2，单世光1，2，陈西林1，21中国科学院智能信息处理重点实验室，中国科学院计算技术研究所，北京，1001902中国科学院大学，北京，...
基于聚类的粗到细图神经网络用于高效特征匹配
12517ClusterGNN：基于聚类的粗到细图神经网络，用于高效特征匹配严市酒店1* 蔡俊雄酒店1* Yoli Saught2穆泰江1冯文森3<$张凯1<$1清华大学2巴伊兰大学工程学院3华为技术shi-y20@mails.tsinghu.edu.cn，caijunxiong...
论文浅尝 | Temporal Knowledge Graph Completion Using Box Embeddings
开放知识图谱
11-04 1458
笔记整理：杨露露，天津大学硕士论文链接：https://www.aaai.org/AAAI22Papers/AAAI-6210.MessnerJ.pdf动机时态知识图谱补全（TKGC）中的主要挑战是额外学习时间戳嵌入，以便嵌入模型根据关系、实体和时间戳嵌入联合执行评分。本文提出了BoxTE，一个用于TKGC的盒子嵌入模型，建立在静态知识图谱嵌入模型BoxE之上。亮点本文的亮点主要包括：（1）表明 ...
NAACL2021 AMR-IE: Abstract Meaning Representation Guided Graph Encoding and Decoding for Joint IE
qq_45041871的博客
01-14 1149
我们提出了一种新的AMR引导框架，用于联合信息抽取，以在预先训练的AMR解析器的帮助下发现实体、关系和事件。该框架由两个新组件组成:1)基于AMR的语义图聚合器，让候选实体和事件触发词节点从AMR图中收集邻域信息，以便在相关知识元素之间传递消息;2) AMR引导图解码器，根据AMR中层次结构决定的顺序提取知识元素。在多个数据集上的实验表明，AMR图编码器和解码器提供了显著的增益，我们的方法在所有IE子任务上都达到了SOTA。
VGAE（Variational graph auto-encoders）论文及代码解读
瞳瞳瞳呀
08-09 8789
一，论文来源 论文pdf Variational graph auto-encoders 论文代码 github代码 二，论文解读 理论部分参考： Variational Graph Auto-Encoders（VGAE）理论参考和源码解析 VGAE（Variational graph auto-encoders）论文详解 理论方面其实前面两位大佬说的很好了，这里我只是来阐述两点： 1.测试方法： 模型在数据集的不完整版本上训练，其中部分引用链接(边)已被移除，而所有节点特征被保留。 我们从先前移除的边和相
2019_ACL_Multimodal Transformer for Unaligned Multimodal Language Sequences
tcn760的博客
04-07 3888
Multimodal Transformer for Unaligned Multimodal Language Sequences 论文地址：https://arxiv.org/abs/1906.00295 对多模态人类语言序列数据进行建模的主要挑战： 1.每种模态的序列的采样方法不同，因此不同数据是未对齐的（就是一段文字，采样后与之相匹配的视频片段或音频片段与之并未对其） 2.跨模态的元素之间的长期依赖关系（哭泣可能与之前所说过的话有关系） 本文提出MulT来解决上述问题。 通过电影评论的实例视频剪
ACL,NAACL,EMNLP,IJCNLP以及ACL、EMNLP2021论文模板
qq_43391414的博客
03-20 5376
ACL,NAACL,EMNLP,IJCNLP都是国际顶会，都是有关NLP（自然语言处理）方面的会议。都是由ACL（计算语言学协会）组织的会议。 相关资料： 协会： ACL（计算语言学协会）官网：https://www.aclweb.org/portal/ 协会ACL举办的会议： ACL2021官网：https://2021.aclweb.org/ NAACL2021官网：https://2021.naacl.org/ EMNLP2021官网：https://2021.emnlp.org/ IJCNLP202
xERTE：利用时间信息且具有可解释性的KG预测模型
xuan_ting的博客
02-03 2287
xERTE: EXPLAINABLE REASONING ON TEMPORAL KNOWLEDGE GRAPHS FOR FORECASTING FUTURE LINKS 这是ICLR 2021的一篇temporal KG论文，作者是Zhen Han, Peng Chen, BYunpu Ma, BVolker Tresp。xERTE框架可以对时间KG的查询相关子图进行推理，并对图结构和时间上下文信息进行联合建模，最终预测未来发生事件的关联（link）。 1 背景知识 推理（Reasoning）：从已知
半监督vae用于情感分类的论文汇总阅读：Variational Autoencoder
lrt366的博客
03-28 4810
1.AAAI-2017-Variational Autoencoder for Semi-Supervised Text Classification 摘要： 虽然半监督变分自动编码器 (SemiVAE) 在图像分类任务中工作, 但如果使用vanilla LSTM作为解码器, 则在文本分类任务中失败。从强化学习的角度出发, 验证了解码器区分不同分类标签的能力是必不可少的。因此, 提出了半......
Functional Code Clone Detection with Syntax and Semantics Fusion Learning论文总结
qq_44190767的博客
08-27 1095
一、任务简介 代码克隆就是指源码中两段代码非常相似的现象。代码克隆检测有四个层次： 1.代码语句完全相同； 2.在1的基础上改变一些变量名、类型名或者是函数名； 3.在2的基础上增加或者减少一些语句； 4.功能相似，代码语句有很大差别。 一般有四种类型检测方法，基于文本和基于记号的方法一般用于对1.2类型的检测，基于语法的方法一般可以用于对1.2.3类型的检测以及部分4类型的检测。基于语义的...
fb15k数据集_7 Papers & Radios | 字节跳动全球最大钢琴MIDI数据集；谷歌新型Performer架构...
weixin_42118701的博客
01-19 1970
机器之心 & ArXiv Weekly Radiostation参与：杜伟、楚航、罗若天本周的重要论文包括字节跳动发布的全球最大钢琴 MIDI 数据集，以及谷歌新型 Performer 架构。目录：GiantMIDI-Piano: A large-scale MIDI dataset for classical piano musicA survey of embedding m...
nlp NAACL code
最新发布
06-06
NAACL (North American Chapter of the Association for Computational Linguistics) 是北美地区计算语言学协会的一个分支，每年都会举办会议，如NAACL-HLT (North American Conference on Computational Linguistics and Human Language Technology)，这是自然语言处理领域的重要学术会议，会上会展示最新的研究成果和技术论文。 在NAACL会议上，研究人员提交和讨论的内容涵盖了广泛的主题，包括但不限于文本分类、语义分析、机器翻译、对话系统、深度学习在NLP中的应用、词法和句法分析、语言模型、命名实体识别、情感分析等。这些代码通常是基于Python、TensorFlow、PyTorch等工具库的，使用深度学习框架如BERT、Transformer或自定义模型进行实验。 如果你想深入了解某个具体的NAACL代码，可能涉及到的话题有： 1. 某篇论文的代码实现：例如，如何使用BERT做文本分类的代码示例。 2. 工具包或库的演示：像是NLTK、Spacy或者🤗Hugging Face的transformers库。 3. 实战教程或比赛代码：像Kaggle上的竞赛中关于NLP的任务解决方案。 如果你对某个特定的NAACL会议论文、技术或工具感兴趣，可以告诉我具体的问题，我会提供更详细的解释和相关资源链接。
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