Nov, 2022

电力系统中基于多通道 GNN 的类型信息应用于事件检测

PDF
TL;DR该研究提出了一种基于多通道图神经网络的电力系统事件检测方法，利用语义和拓扑通道来处理短文本、专业术语和少量标记数据等问题，并在模拟和真实数据集上实现了较高的检测准确率。
event detectionpower systemsgraph neural networksemantic channeltopological channel
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

  • 利用关键词学习扩展事件检测到新类型

    本文针对传统事件检测模型的预定义事件类型的限制，提出了一种通过多个关键词描述事件类型以匹配文本特定上下文以适应新事件类型的新方法，同时，引入了一种基于新方法的卷积神经网络特征注意力机制来提高事件检测性能。实验表明，该方法增强了事件检测对于新类型的适应性，并且特征注意力机制有助于提高检测性能。

    Oct, 2019

  • 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

  • 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

  • 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

  • 通过对比损失增强的批量关注，半监督地识别并描述新事件类型

    本文提出了一种新的半监督事件类型归纳方法，使用掩蔽对比损失学习事件提及之间的相似性以及通过近似数据中的底层流形来解离已发现的群集，从而实现事件类型归纳和 FrameNet 帧的链接。

    Feb, 2022

  • 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

    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。

    Oct, 2020

  • OntoED: 基于本体嵌入的低资源事件检测

    通过本体嵌入建立相关知识联系的事件检测框架 OntoED，在解决数据稀缺和新未知事件类型方面比现有方法更卓越和稳健

    May, 2021

  • 基于语料库的开放领域事件类型归纳

    本文提出了一种基于语料库的开放领域事件类型归纳方法，该方法使用聚类 <谓词意义，对象头> 对每种事件类型进行表示，并利用选择显著谓词和对象头、利用动词意义词典消歧谓词语义、联合嵌入和聚类 <谓词意义，对象头> 对事件类型进行潜在球面空间的建模。多项实验表明，该方法能够有效地发现具有重要意义和高质量的事件类型。

    Sep, 2021

  • 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