實體以及它們之間關(guān)系的抽取對于理解海量文本語料庫來說是非常重要的。傳統(tǒng)的實體關(guān)系抽取系統(tǒng)都依賴于人工標(biāo)注的訓(xùn)練語料并采用了增量式的處理管道麦萤。這樣...

PCNN的開山之作税课，針對關(guān)系提取問題中數(shù)據(jù)標(biāo)注錯誤的現(xiàn)象和基于規(guī)則的傳統(tǒng)統(tǒng)計模型特征抽取準(zhǔn)確率不高的問題提出解決方法煤蹭。通過Piecewise M...

DSTC7 Track 2「Sentence Generation」任務(wù)要求基于 Fact 和對話歷史自動生成回答股毫。該任務(wù)它要求利用端到端的對話...

Self-attention是建立語言及圖像生成模型的有效機(jī)制寄猩，其通過比較當(dāng)前時間步中的各個元素柿隙，來決定上下文元素的重要程度顶滩。文中提出使用lig...

三元組抽取是自動化構(gòu)建知識庫的關(guān)鍵步驟余掖，傳統(tǒng)模型方法一般先處理實體識別，后處理關(guān)系分類礁鲁，忽略了兩個任務(wù)的關(guān)聯(lián)性盐欺，容易造成誤差的級聯(lián)傳播；近些年來...

RePr展示一種周期性移除與取回卷積濾波器的訓(xùn)練策略仅醇，通過減少冗余的學(xué)習(xí)特征冗美，改進(jìn)模型的泛化能力。對常規(guī)卷積網(wǎng)絡(luò)和更復(fù)雜的現(xiàn)代深度學(xué)習(xí)網(wǎng)絡(luò)架構(gòu)都...