大力出奇迹

摘要： https://otaku 47.github.io/ 阅读全文

摘要： 一、摘要 为了方便法官更好地了解案情，采用事件抽取技术更快地捕捉案情的“焦点”。本研究提出了一种定义焦点事件的机制，并且能够解决多个事件共享同一论元（arguement）或触发词的问题。 二、在法律背景下应用事件抽取技术的难点 事件类型与ACE2005数据集定义的33种事件有很大的不同 没有现成的公 阅读全文

摘要： 一、摘要 提供了一种新的篇章级别的事件识别模型scale-free Identifier Network (sfIN)，能够更有效地处理长文档。模型采用监督学习和强化学习结合的方法训练。 二、架构 与LSTM-crf等基于神经网络的模型不同，mRR将文本编码到一个分层的存储栈中，使整个文本能进行更复 阅读全文

摘要： 一、摘要 提出了一种基于多粒度语言信息和外部语言知识的中文关系抽取框架。在该框架中，1）将单词级信息合并到字符序列输入中，避免了分词错误；2）借助外部语言知识对多义词的多种意义进行建模，以降低多义词歧义的影响。 二、方法 这部分主要介绍用于中文关系抽取的MG网格模型。 这个模型分为三个部分： 输入表 阅读全文

摘要： 一、摘要 研究目的是解决在事件抽取任务中手动标注训练数据的费时费力以及训练数据不足的问题。首先提出了一个事件抽取模型，通过分离有关角色（roles）的论元（arguement）预测来克服角色重叠的问题。此外，针对训练数据不足的问题，提出了一种通过编辑原型（prototypes）来自动生成标注好的数据 阅读全文