IMchg的博客

名词作为触发词的例子： 'CNN_CF_20030303.1900.00' ['He', 'lost', 'an', 'election', 'to', 'a', 'dead', 'man'] 从这个代码里面反思： 1.word2idx什么时候执行？ 可以在产生dataset时、从dataloader中获取batch时、forward输入时；放在这些地方都是可以的，到底放在哪里更好？这份代码放在了，dataloader中；一般来说，对数据的预处理也确实也是放在dataloader中，比如pad；JMEE放

2019 EMNLP；github有官方源码（tensorflow）；这篇论文模型和实验部分都非常简单，相当于是对DMCNN的改进；核心是想法； Abstract 问题： 现有的AE独立地对每个论元分类，没有考虑论元之间的概念关联。 作者解决： 作者提出所谓的概念层次，对论元的标签含义进一步抽象，得到一组新的抽象标签，为每个抽象标签创建一个可训练参数。由于多个论元可能属于同一个抽象标签，这样抽象标签的可训练参数中就包含这些论元之间的相关性，这有利于进行论元角色分类。 一 Introduction 大多数.

Abstract GCN在ED中表现好，但是还存在问题； 1.目前应用GCN时，GCN中隐藏向量在计算时没有考虑候选触发词（而ED的目标就是触发词分类），这样可能引入了无关系的信息； 2.目前ED中，没有利用单词的上下文重要性得分信息，这个信息能从GCN中获取； 作者的工作： 1.提出门机制：过滤GCN隐藏向量中的噪音信息； 2.门的上下文多样性； 3.重要性得分一致性； 一 Introduction 作者认为ED中的GCN应用存在两个问题： 1.GCN没有考虑候选触发词，GCN的隐藏向量中可能包含与候选触