论文浅尝 | 基于未知谓词与实体类型知识图谱的 Zero-Shot 问题生成

 

论文笔记整理:谭亦鸣,东南大学博士生,研究方向为跨语言知识图谱问答。

来源:NAACL 2018

链接:https://www.aclweb.org/anthology/N18-1020

问题背景与动机

问题生成的目标是将知识图谱三元组作为输入,生成自然语言问题的过程。目前大多数的问题生成方法都依赖于大规模有标注数据(例如SimpleQuestion,基于freebase),但是事实上,由75.6%左右的freebase谓词并未被SimpleQuestion所覆盖。对于这类训练过程中谓词,实体类别均未知的问题生成模型,称之为Zero-Short Question Generation(QG)。

继续阅读“论文浅尝 | 基于未知谓词与实体类型知识图谱的 Zero-Shot 问题生成”

论文浅尝 | GraphIE:基于图的信息抽取框架

 

笔记整理:吕欣泽,南京大学计算机科学与技术系,硕士研究生。

论文连接:https://arxiv.org/pdf/1810.13083.pdf

发表会议:NAACL 2019

摘要

大多数现代信息提取(IE)系统都是作为顺序标记器实现的,并且只模拟本地依赖项。然而,非顺序的上下文是改进预测效果的有价值的信息来源。本文介绍GraphIE,一个在图上运行的信息抽取框架。该算法通过图形卷积网络在连接的节点之间传播信息,利用来改进单词级别的预测从,而生成更丰富的表示。本文评估了三个不同的任务:文本,社交媒体和视觉信息提取,结果一致地显示GraphIE 优于最先进的信息抽取模型。

继续阅读“论文浅尝 | GraphIE:基于图的信息抽取框架”