论文阅读：A Walk-based Model on Entity Graphs for Relation Extraction

最新推荐文章于 2023-04-13 10:22:42 发布

原创

最新推荐文章于 2023-04-13 10:22:42 发布 · 1.8k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#scene understand

本文提出了一种基于图的实体关系抽取方法，通过构建全连接实体图，利用边的迭代聚合来捕获实体间的复杂关系。模型包含嵌入层、双向LSTM层、边表示层、walk聚合层和分类层，通过注意力机制和walk构造更新边的表示，以增强关系识别。实验证明，随着迭代次数增加，模型能获取更丰富的上下文信息，达到接近当前最佳性能的水平。

A Walk-based Model on Entity Graphs for Relation Extraction（ACL 2018）

文章

实体关系抽取是NLP中一个很常见的问题，如何在一句话中提取出实体以及它们之间的关系。本文提出了一种基于图的方法，首先将句子中的所有实体视作一个全连接图中的不同节点。而边则是每对entity pair的position-ware的context。
在这里插入图片描述
本文说一对entity pair之间的关系会被相同句子中的其它关系影响，比如上图，Toefting（person entity）通过with直接与teammates（person entity）产生关系，而teammates又通过with与capital（geopolitical entity）直接产生关系。而Toefting和capital又可以直接通过in或者间接通过teammates产生关系。也就是说Toefting-teammates-capital这条path对Toefting-capital的关系是有帮助的。

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Kivee123

关注关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

论文阅读：《A Neural Conversational Model》

04-12

2739

会话建模是自然语言理解和机器智能中的一项重要任务。虽然以前的方法存在，但它们往往局限于特定的领域（例如预订机票），需要手工制作的规则。在本文中，我们提出了一个简单的方法，这个任务使用最近提出的序列到序列框架。我们的模型预测了交谈的谈话中前面的句子或句子的一句话。我们的模型的优点是可以进行端到端的训练，因此需要少得多手工制作的规则。我们发现，给出了大量的会话训练数据集，这种简单的模型可以生成简单的会话。我们的初步结果表明，尽管优化错误的目标函数，该模型能够很好地进行逆向谈判。

论文阅读——Deep Residual Learning for Image Recognition

weixin_44012382的博客

08-17

434

目录前言 Abstract 1. Introduction 2、Related Work 3、Deep Residual Learning 3.1、残差学习 3.2、快捷恒等映射 3.3、网络结构 3.4、实现 4、Experiments 4.1、ImageNet分类 4.2、CIFAR-10和分析 4.3、PASCAL和MS COCO上的目标检测前言之前有一段时间看了挺多深度学习方面的论文，但是由于时间方面的问题一直没来得及进行总结。最近一段时间突发奇想把自己看论文时的

参与评论您还未登录，请先登录后发表或查看评论

论文阅读：Learning Human-Object Interactions by Graph Parsing Neural Networks

Kivee的博客

09-13

3333

GPNN(ECCV2018) 文章用来检测human-object interaction。Paper说提出GPNN的目的是为了在HOI任务中显式地对空间、时间（视频）以及human-object关系进行利用。 complete HOI指的是所有的node之间都有link，node包括human和object，假设node特征为d_V维，edge的特征为d_E维（从两个box...

【读】关系抽取—（3）A Walk-based Model on Entity Graphs for Relation Extraction

imsuhxz的博客

10-26

1613

本文转载自：http://www.paperweekly.site/papers/notes/509 最近阅读了A Walk-based Model on Entity Graphs for Relation Extraction这篇文章，该工作来自于曼彻斯特大学，发表在ACL2018。文章提出了一种新的基于图的神经网络关系提取模型。该模型将句子中的实体看成是一个全连接图中的节点，节点...

19-A Walk-based Model on Entity Graphs for Relation Extraction（句内多对，多关系，多元，2018ACL

weixin_40485502的博客

03-15

372

文章目录abstract1.introduction2 Proposed Walk-based Model2.1 嵌入层2.2 Bidirectional LSTM Layer2.3 Edge Representation Layer Christopoulou, F., et al. (2018). A Walk-based Model on Entity Graphs for Relation...

《UHop: An Unrestricted-Hop Relation Extraction Framework for Knowledge-Based Question Answering》论文笔记

qq_42791848的博客

01-27

693

UHop: An Unrestricted-Hop Relation Extraction Framework for Knowledge-Based Question Answering 2019年NAACL上的一篇文章，主题为KBQA中的关系抽取。 Overview 这篇文章提出的是一个新的关系抽取方法，并不是一个完整的SP-based的KBQA模型。本文依旧旨在处理相对复杂的问题，我们按照“跳数”来区分simple和complex问题，一般来说simple question只需要one-hop rea

每天读一篇文献14--GraphRel: Modeling Text as Relational Graphs for Joint Entity andRelation Extraction

m0_53371353的博客

04-13

391

论文阅读

文档级关系抽取小结及论文阅读：Document-Level Relation Extraction with Reconstruction

Ming_LQ的博客

07-06

1739

Document-Level Relation Extraction with Reconstruction一、背景介绍二、相关工作1、Attention Guided Graph Convolutional Networks for Relation Extraction2、Inter-sentence Relation Extraction with Document-level Graph Convolutional Neural Network3、Connecting the Dots: Docum

论文阅读课1-Attention Guided Graph Convolutional Networks for Relation Extraction（关系抽取，图卷积,ACL2019，n元）

weixin_40485502的博客

02-12

4300

文章目录abstract Guo, Z., et al. (2019). Attention Guided Graph Convolutional Networks for Relation Extraction. Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics. abs...

《A walk-based Model on Entity Graphs for Relational Extraction》

qq_25033587的博客

03-21

217

下载地址：http://arxiv.org/pdf/1902.07023v1.pdf 本文在进行关系提取时会考虑不同实体关系之间的传递性、关联性，并借此对实体之间的关系进行建模。 -当一句话中存在多种关系时，不同关系之间往往会存在一定的联系，即目标实体对之间的关系可能会收到该句中其他实体间的关系。现有的大多数RE模型往往会忽略这种问题。摘要：We present a novel graph-b...

论文阅读

weixin_42155440的博客

05-02

337

本术语表中列出了一般的机器学习术语和 TensorFlow 专用术语的定义。中文

论文阅读（一）

lwyeluo的专栏

01-04

1980

所有论文笔记请戳：http://blog.youkuaiyun.com/lwyeluo/article/details/54017718 Trusted Geolocation-Aware Data Placement infrastructure clouds 2015-12-09 摘要云中数据的地理定位成为亟待解决的问题，尤其是在不同行政区域法规与数据所有者需求不兼容的情况下。本

论文阅读：《DeepLab-v2: Semantic Image Segmentation 》

热门推荐

青青韶华

10-25

1万+

论文地址：https://arxiv.org/pdf/1606.00915.pdf 概述DeepLabv2 是在DeeplabV1 的基础上又做了改进的。Deeplabv1 主要是在FCN 的基础上对vgg 网络进行fine tuning，并加上一个全连接的CRF，这样可以保证对FCN 得到的结果在局部细节上进行优化，从而实现在PASCALVOC 数据集上达到71.6%的准确率，成为当时的state

论文阅读：Pixels to Graphs by Associative Embedding

Kivee的博客

11-01

2084

Pixels2Graph（NIPS 2017）文章 insight：现在做关系检测往往都是分为物体检测和关系识别两个步骤，可是这样的话，在第二步的时候往往会损失很多信息，本文希望从原图的像素信息一步同时得到物体和关系。其实本文的关键是associative embedding，今年ECCV的一篇CornerNet也是利用了这种想法，给目标检测带了新思路，我感觉应该也有这篇文章的灵感。 ...

论文阅读——椭圆检测 2017：A hybrid method for ellipse detection in industrial images

小玺大大

12-18

1947

最近要复现论文，找了一篇发表在PR(1区)的一篇论文《A hybrid method for ellipse detection in industrial images》，这个可以理解为设计了一个应用于工业图像的椭圆检测算法。下面对其细节进行分析文章目录2基于边缘的方法2.3 候选椭圆弧段聚类Step 1: 寻找有高拟合精度的候选椭圆弧段，并将其作为种子弧段Step 2：确定每个种子弧段的搜索...

如何阅读论文

Li_yan的博客

11-17

395

如何更好的阅读论文

mect: multi-metadata embedding based cross-transformer for chinese named entity recognition

04-12

Q：「b'mect: multi-metadata embedding based cross-transformer for chinese named entity recognition'」是什么？ A：「b'mect: multi-metadata embedding based cross-transformer for chinese named entity recognition'」是一篇关于中文命名实体识别的论文，提出了一种新的算法来提高命名实体识别的准确率和效率。论文中提出的算法名为「BMECT」，利用多个元数据的嵌入和交叉变换的方式来提高模型的性能。