关键词hierarchical relations
搜索结果 - 12
- 大型语言模型中分类和层级概念的几何结构
大型语言模型的表示空间中如何编码语义含义是可解释性中的一个根本问题。本文研究了这一领域的两个基本问题:第一,如何表示类别概念,如 “哺乳动物”、“鸟类”、“爬行动物”、“鱼类” 等;第二,如何编码概念之间的层级关系,例如 “狗” 是 “哺乳 - 面向高效简历理解的多粒度多模态预训练方法
本文提出了一种名为 ERU 的新型模型,通过引入多模态融合变压器编码简历段落的布局感知信息,设计三个自监督任务用于无标签简历的预训练,并通过多粒度序列标记任务对模型进行微调,从简历中提取结构化信息,实验证明 ERU 的有效性。
- 探索具有层次性质的预训练语言模型
这篇论文提出了一种能够评估预训练语言模型在捕捉复杂的分类关系方面能力的无任务评估方法,并通过实验证明预训练语言模型隐式编码的词汇 - 语义知识并未始终捕捉到层次关系。此外,作者进一步展示了注入这种评估方法能够改善预训练语言模型对层次关系的理 - KDD刚性的伤害:概率层次时间序列预测的软一致性正则化
PROFHiT 是一种完全概率性的分层预测模型,通过灵活的概率贝叶斯方法和引入新颖的分布一致性正则化,能够从分层关系中学习整个预测分布,从而实现鲁棒和校准的预测,并适应具有不同分层一致性的数据集。评估结果显示,PROFHiT 在准确性方面表 - 关系卷积网络:一种学习层次关系表示的框架
深度学习中一个日益成熟的研究领域是开发能够学习关系特征的显式表示的架构。本文提出了一个叫做 “关系卷积网络” 的架构框架,重点研究了学习分层关系表示的问题,并通过一系列实验展示了如何利用关系卷积网络提供有效的建模方法来处理具有层次结构的关系 - EMNLP通过层次感知的主题短语生成扩展话题分类
TopicExpan 是一种新的主题分类扩展框架,它结合了基于文本内容和新主题周围的层级关系结构,直接生成新主题相关的术语,实验结果表明,它在两个真实文本语料库中的表现显著优于其他基线方法。
- ICLR通过完整的三维图网络学习分层蛋白质表示
本文介绍 3D 图结构的蛋白质表示学习。使用蛋白质结构构建 3D 图,循序渐进地学习蛋白质的不同层级表示,并提出了一种新的层次图模型 ProNet,以便更好的分类和表征蛋白质。实验结果表明,ProNet 性能优于现有方法。
- 用关系特定的双曲锥模拟异质层次
研究提出了一种名为 ConE 的新型知识图谱嵌入模型,使用超球面锥体将实体嵌入到一个多维空间中,并对锥之间的变换建模,以同时捕捉多个异构的分层关系和非层次关系。实验结果表明,该模型在层次推理任务和知识图谱补全任务方面都比其他模型表现更好,这 - ACL层次化多标签分类的双曲线标签嵌入联合学习
本文提出了一种联合学习分类器参数与标签嵌入的方法,用于多标签分类的层次化关系建模,结果表明该方法对具有效性,超过了以往基于共现信息的预训练超几何嵌入方法。
- AAAIDocParser: 文档呈现的分层结构解析
本文提出了 DocParser,它是一种端到端的系统,可以解析包括所有文本元素、嵌套图形、表格和表格单元结构在内的完整文档结构,并提出了一种基于弱监督的可扩展学习框架以提高文档结构解析性能。研究表明,相比于没有弱监督的基线,这种方法可以提高 - ACL超伪空间中的细粒度实体类型划分
本文研究了采用双曲嵌入表示大型实体类型库中的层次信息,以捕捉上下文中提及和目标类型之间的层次关系,从而提高实体类型命名性能。研究表明,双曲模型在不同的技术和数据集上表现出提高的效果,但在技术代码和数据集细节方面的差异也存在影响。
- ICML学习分层嵌入的双曲包含锥
在机器学习中,通过保留相关网络属性的低维嵌入学习图表示是一类重要的问题。本文提出了一种嵌入有向无环图的新方法,使用证明能够更好地模拟树状结构的双曲空间,并使用一组嵌套的测地凸锥来定义分层关系,并证明这些蕴含锥体在欧几里得和双曲空间中均具有一