EMNLPOct, 2020

事件检测： 基于图卷积神经网络的门控多样性和句法重要性评分

PDF
TL;DR该研究提出一种利用数据触发词信息进行噪音信息过滤的门控机制，同时采用依存树来获得单词的整体语境重要性评分，从而提高事件检测的性能。实验结果表明，该方法在两个数据集上均达到了最先进水平。
event detectiongraph convolution neural networksdependency treegating mechanismcontextual diversity
发现论文，激发创造
  • 基于增强边缘的图卷积网络在带有句法关系的事件检测中的应用

    本文提出了一种新颖的结构 Edge-Enhanced Graph Convolution Networks（EE-GCN），它利用句法结构和类型依赖标签信息同时进行事件检测任务，充分挖掘了隐藏在依赖边缘中的线索，实验结果表明，在 ACE2005 数据集上取得了明显的改进。

    Feb, 2020

  • 具有异构图注意力网络的标签增强事件检测

    本文提出了一种使用标签增强的异构图注意力网络 (L-HGAT) 来解决中文事件检测中的单词触发器不匹配问题的方法。在该方法中，每个句子被转换成一个图，其中包含了单词和字符之间的交互作用，并使用异构图注意力网络来传播关系信息和丰富信息交互。此外，每个标签都被转换为基于触发器原型的嵌入。在两个基准数据集上进行的实验表明，该模型比其他基线方法取得了显着的改进。

    Dec, 2020

  • 基于证据理论的时态感知图论社交事件检测

    提出了一种 ETGNN 方法以在社交媒体上检测社交事件，该方法基于图神经网络，具有时态感知和确定性理论，通过创新的临时感知集成器和证据深度神经网络对不同视图进行处理，最终实现了准确，可靠和鲁棒的社交事件检测。

    May, 2022

  • GATE: 跨语言关系和事件抽取的图注意力 Transformer 编码器

    该研究介绍了一种称为 GATE 的图形注意变压器编码器，利用自我关注机制来学习同时考虑不同句法距离下单词之间依赖关系的表示，在跨语言关系和事件提取任务中表现出优异的性能。

    Oct, 2020

  • 基于异构图卷积网络的细粒度事件分类

    本文提出了一个事件元结构来表征社交事件的语义相关性并构建了一个基于事件的异构信息网络（HIN），该网络合并了外部知识库中的信息，并提出了一种新的基于 KIES 的 PP-GCN 模型，用于对社交事件进行分类。实验结果表明，该方法在社交事件分类方面优于其他替代方法。

    Jun, 2019

  • 神经网络事件检测：严格实证评估

    本文提出了一种基于 GRU 的模型，结合了注意机制，将语法信息和时间结构相结合，具有与其他神经网络架构相当的性能，在 ACE2005 数据集的不同随机初始化和训练验证测试划分下进行了经验评估。

    Aug, 2018

  • 利用图卷积网络和上下文子树有效地进行商品新闻事件抽取

    本文介绍了一种使用图卷积网络 (GCN) 和修剪的依赖关系解析树来更好地从商品新闻中提取事件的方法。该方法采用基于 ComBERT 的特征嵌入来训练事件提取模型，实验结果表明，该方法的效率比现有方法高，F1 得分达到 0.90。此外，我们的预训练语言模型在论元角色分类方面优于 GloVe 23％，优于 BERT 和 RoBERTa 7％。

    Sep, 2021

  • 用于命名实体识别的图卷积网络

    本文研究了依赖树在使用一组 GCN 的命名实体识别器中的作用。我们对不同的 NER 架构进行比较，并表明一句话的语法对结果产生积极影响。在 OntoNotes 数据集上的实验表明，在不需要大量特征工程或额外的语言特定知识的情况下，可以实现一致的性能改进。

    Sep, 2017

  • 用于句法感知神经机器翻译的图卷积编码器

    这篇研究论文介绍了一种简单有效的方法来将句法结构融入到神经注意力编码解码模型中，以实现机器翻译。文中使用了预测的源句子句法依赖树，用于生成敏感于句法周边的单词表示，以达到最佳效果。研究的实验结果表明，在英德翻译和英捷翻译方面的所有设置中，与其不考虑语法结构的版本相比，该方法均有显著的改善。

    Apr, 2017

  • 基于图神经网络的证据感知假新闻检测

    本研究提出了一种基于证据的假新闻自动检测框架 GET，该框架采用图形结构学习方法将索证和索证的长距离语义依赖关系整合起来，从而有效避免了序列模型在验证新闻真实性方面存在的缺陷。作为一项重要的技术创新，GET 的有效性已经得到了充分验证。

    Jan, 2022