lufei99的博客

dbRNN论文笔记《Jointly Extracting Event Triggers and Arguments by Dependency-Bridge RNN and Tensor-Based Argument Interaction》基于桥依赖RNN和论元张量交互的事件抽取联合模型1.摘要传统的事件抽取很大程度上依赖词汇和句法特征，需要大量的人工工程，并且模型通用性不强。另一方面，深度神经网络可以自动学习底层特征，但是现有的网络却没有充分利用句法关系。因此本文在对每个单词建模时，使用

JMEE论文笔记《Jointly Multiple EE via Attention-based Graph Information Aggregation》原文链接为：https://arxiv.org/abs/1809.09078摘要对于一个句子中存在多个事件是很常见的现象，提取同一个句子中的多个事件难度要大于单个事件。之前的方法是通过建立长距离依赖的顺序模型来获取事件之间的关系，这样的方法效率很低。本文提出了一种新的联合事件抽取框架JMEE，引入了语法弧和基于注意力机制的图卷积神经网络

原文：Joint Event Extraction via Recurrent Neural Networks（https://www.aclweb.org/anthology/N16-1034/）读此文之前，应有一些事件抽取的概念基础。摘要：事件抽取是信息抽取领域一个具有挑战性的任务。本文提出了一个基于循环神经网络的事件抽取联合模型，既避免了管道模型中的误差传播问题，同时也考虑到了事件...