原创 Adapting Meta Knowledge Graph Information for Multi-Hop Reasoning over Few-Shot Relations

Adapting Meta Knowledge Graph Information for Multi-Hop Reasoning            over Few-Shot Relations(2019 EMNLP) Idea:該

原创 Hybrid Attention-Based Prototypical Networks for Noisy Few-Shot Relation Classification (2019 AAAI)

Hybrid Attention-Based Prototypical Networks for Noisy Few-Shot Relation Classification (2019 AAAI) Idea:爲了解決few-shot l

原创 LEARNING GRAPHICAL STATE TRANSITIONS

LEARNING GRAPHICAL STATE TRANSITIONS (ICLR 2017) Idea:圖結構對於構建多個實體之間的關係是十分重要的,也可以被用於去表示真實世界中的多種數據結構。本文提出了一種門控圖變換神經網絡,該模型

原创 Graph Neural Networks with Generated Parameters for Relation Extraction

Graph Neural Networks with Generated Parameters for Relation Extraction(2019 ACL) Idea:本文提出了一種圖生成參數模型,該模型可以在無結構化數據上進行關係

原创 A Hierarchical Framework for Relation Extraction with Reinforcement Learning

A Hierarchical Framework for Relation Extraction with Reinforcement Learning (2019 AAAI) Idea:目前現存的關係抽取模型大多基於顯式實體的情況下。即

原创 BERT在關係學習中的應用

Matching the Blanks: Distributional Similarity for Relation Learning(2019 ACL)   典型的關係抽取可以大致分爲以下三類: 第一類有監督或者遠程監督的關係抽取,該

原创 搭建屬於自己的科研服務器

引言 爲了科學研究需要訪問一些國外的網站,例如Google、谷歌學術等,我們利用Vultr搭建小飛機(ss加密方式)來實現科學上網。 一 Vultr構建私有服務器 Vultr 是美國一家雲主機商,有很多大陸的忠實用戶,計費方式採用按使用小

原创 文本圖神經網絡

論文鏈接: Graph Convolutional Networks for Text Classification   Idea: 基於一個數據集內的共現詞和文檔構建一個文本異構圖網絡。 在文本圖網絡中,單詞和文檔向量初始化形式爲on

原创 FEW-SHOT LEARNING WITH GRAPH NEURAL NETWORKS 論文筆記

論文鏈接:FEW-SHOT LEARNING WITH GRAPH NEURAL NETWORKS Idea: Few-shot 學習不依靠於規則化擴展數據集來補償缺少有監督數據對模型帶來的影響,而是受啓發與人類學習去探索相似任務在空

原创 圖神經網絡(Graph neural networks)綜述

論文鏈接:Graph Neural Networks: A Review of Methods and Applications Abstract:圖(Graph)數據包含着十分豐富的關係型信息。從文本、圖像這些非結構化數據中進行推理學習

原创 小樣本學習(few-shot learning)之——原形網絡(Prototypical Networks)

Prototypical Networks for Few-shot Learning 摘要:該文提出了一種可以用於few-shot learning的原形網絡(prototypical networks)。該網絡能識別出在訓練過程中從未

原创 關係抽取之——強化學習

Reinforcement Learning for Relation Classification from Noisy Data   摘要:目前存在的關係抽取方法大多是依賴於遠程監督假設的,即所有包含兩個相同實體的句子都只表達一種關係

原创 跨領域對抗訓練在關係抽取中的應用

Genre Separation Network with Adversarial Training for Cross-genre Relation Extraction   Abstract 論文的動機來源與主流關係抽取模型在不同的領

原创 對抗訓練在關係抽取中的應用

Adversarial Training for Relation Extraction Abstract 對抗訓練是一種在訓練過程中加入噪聲的正則分類算法。這篇論文在多實例多標籤的關係抽取任務中加入對抗噪聲來提升模型表現。通過在CNN

原创 Adversarial training for multi-context joint entity and relation extraction 論文筆記

Adversarial training for multi-context joint entity and relation extraction   Abstract 對抗訓練是一種正則化方法,通過對模型的輸入增加微小而持久的擾動從