CLOUD

【文章来源】Chen Y, Xu L, Liu K, et al. Event Extraction via Dynamic Multi-Pooling Convolutional Neural Networks[C]// The, Meeting of the Association for Computational Linguistics. 2015.【原文链接】动态多池卷积神经...

1 引言语言模型（Language Model），语言模型简单来说就是一串词序列的概率分布。具体来说，语言模型的作用是为一个长度为m的文本确定一个概率分布P，表示这段文本存在的可能性。在实践中，如果文本的长度较长，P(wi | w1, w2, . . . , wi−1)的估算会非常困难。因此，研究者们提出使用一个简化模型：n元模型（n-gram model）。在 n 元模型中估算条件概率...

【文章来源】事件提取的Zero-Shot迁移学习：https://arxiv.org/pdf/1707.01066.pdf摘要大多数先前的事件提取研究严重依赖于从带注释的事件提及中派生的特征，因此不能应用于没有注释工作的新事件类型。在这项工作中，我们重新审视事件提取并将其建模为接地问题。我们设计了一个可转移的神经结构，使用结构和组合神经网络将事件提及和类型联合映射到共享语义空间，其中每...

【文章来源】A Transition-based Algorithm for AMR Parsing：http://aclweb.org/anthology/N/N15/N15-1040.pdf我们提出了一个两阶段框架来解析一个句子到它的抽象意义表示（AMR）。 我们首先使用依赖解析器为句子生成依赖关系树。在第二阶段，我们设计了一种新的基于转换的算法，该算法将依赖树转换为AMR图。这种方法...

基本介绍概念指代是自然语言中的一种重要的表达方式，它使得语言表达简洁连贯，然而在篇章中大量使用指代，增加了计算机对篇章理解的难度．指代消解的主要任务是识别篇章中对现实世界同一实体不同的表达的过程．从计算语言学的角度，指代消解可以看成是一个分类或者一个聚类的过程．分类的过程主要是判断实体表达之间是否指向同一个实体，聚类的过程主要是判断一个实体表达能否加入到指向某个实体的集合中．从数学的角度上来说...

事件类型及子类型每个事件类型和子类型都有自己的一组潜在参与者角色，用于在其范例范围内出现的实体。在某些情况下，潜在事件是否可标记的问题将取决于是否存在填充某些角色的实体。（对于代词和明确描述的名词回指案例，这一要求会有所放宽。）事件参数任何可标记的事件参数都将与事件的触发器词在同一个句子中出现。我们首先简要讨论不同类型的参数。活动参与者：大多数事件参数都是参与者。这些将是以...

【文章来源】http://anthology.aclweb.org/P/P16/P16-1025.pdf我们提出了一种全新的“自由”事件提取范式，可以同时从任意输入语料库中提取事件和发现事件模式。我们结合符号(如抽象意义表示)和分布语义来检测和表示事件结构，并采用联合类型框架来同时提取事件类型和参数角色，发现事件模式。在一般和特定领域的实验表明，该框架可以构造具有许多事件和参数角色类型的高...

分布式Tensorflow底层的通信是gRPC。gRPC首先是一个RPC，即远程过程调用，通俗的解释是：假设你在本机上执行一段代码num=add(a,b)，它调用了一个过程call，然后返回了一个值num，你感觉这段代码只是在本机上执行的，但实际情况是，本机上的add方法是将参数打包发送给服务器，然后服务器运行服务器端的add方法，返回的结果再将数据打包返回给客户端。TensorFlow集群就...

【文章来源】BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding：https://arxiv.org/pdf/1810.04805.pdf摘要我们介绍了一种新的语言表示模型BERT，它表示转换器的双向编码器表示。与最近的语言表示模型不同(Peters et al., 2018; ...

【文章来源】Gehrmann S, Deng Y, Rush A M. Bottom-Up Abstractive Summarization[J]. 2018.【原文链接】自底向上的摘要式的总结：https://arxiv.org/pdf/1808.10792v1.pdf基于神经网络的抽象摘要方法产生的输出比其他技术更流畅，但在内容选择上表现不佳。这项工作本文提出了一种解决此问题...

1  基本概念... 11.1  事件... 11.2 事件抽取... 12  主流技术分析... 22.1 元事件抽取... 22.1.1 基于模式匹配的元事件抽取... 32.1.2 基于机器学习的元事件抽取... 32.1.3 基于神经网络的抽取方法... 42.2 主题事件抽取... 82.2.1  基于事件框架的主题事件抽取... 82.2.2 基...

1 知识图谱的定义与架构... 21.1 知识图谱的定义... 21.2 知识图谱的架构... 32 知识图谱技术地图... 32.1 知识获取... 42.2 知识计算及应用... 53 知识图谱的关键技术... 53.1 信息抽取... 53.1.1 实体抽取... 53.1.2 关系抽取... 63.1.3 属性抽取... 73.2 知识融合......

【文章来源】TH Nguyen, R Grishman,et al. Event Detection and Domain Adaptation with Convolutional Neural Networks[C].【原文链接】基于卷积神经网络的事件检测和域自适应：http://www.anthology.aclweb.org/P/P15/P15-2060.pdf摘要我们...

【文章来源】Feng X, Huang L, Tang D, et al. A Language-Independent Neural Network for Event Detection[C]// Meeting of the Association for Computational Linguistics. 2016:66-71.【原文链接】一种与语言无关的事件检测神经网络：h...

【文章来源】Hai L C, Ng H T. A maximum entropy approach to information extraction from semi-structured and free text[C]// Eighteenth national conference on Artificial intelligence. American Association fo...

【文章来源】Liu S, Liu K, He S, et al. A Probabilistic Soft Logic based approach to exploiting latent and global information in event classification[C]// Thirtieth AAAI Conference on Artificial Intelligen...

【文章来源】Chen Z, Ji H. Language specific issue and feature exploration in Chinese event extraction[C]// Human Language Technologies: the 2009 Conference of the North American Chapter of the Association...

【文章来源】Nguyen T H, Cho K, Grishman R. Joint Event Extraction via Recurrent Neural Networks[C]// Conference of the North American Chapter of the Association for Computational Linguistics: Human Langua...

目前唯一一篇用迁移学习做事件抽取的论文，原件为.xmind格式，有需要的小伙伴请留言。