@正在进行{liu-etal-2018联合,title=“通过基于注意的图形信息聚合联合提取多个事件”,author=“刘、肖和罗、准钦和黄和燕”,editor=“Riloff、Ellen和蒋、大卫和曲棍球手、朱莉娅和Tsujii,Jun{'}ichi“,booktitle=“2018年自然语言处理实证方法会议记录”,月=10月#“-”11月#日,year=“2018”,address=“比利时布鲁塞尔”,publisher=“计算语言学协会”,url=“https://aclantology.org/D18-1156”,doi=“10.18653/v1/D18-1156”,pages=“1247--1256”,抽象=“事件提取在自然语言处理中具有实用价值。在现实世界中,同一句话中存在多个事件是一种常见现象,提取这些事件比提取单个事件更困难。以前用顺序建模方法建模事件之间的关联的工作受到了很多限制om捕获非常长的依赖关系的低效率。本文提出了一种新的联合多事件提取(Jointly Multiple Events Extraction,JMEE)框架,通过引入句法捷径弧来增强信息流,并通过基于注意的图卷积网络来建模图信息,从而联合提取多个事件触发器和参数。实验结果表明,与最先进的方法相比,我们提出的框架取得了具有竞争力的结果。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“liu-etal-2018-联合”><标题信息>通过基于注意的图形信息聚合联合提取多个事件</titleInfo><name type=“personal”>肖(Xiao)刘<角色>作者</角色></name><name type=“personal”>准钦罗<namePart type=“family”><角色>作者</角色></name><name type=“personal”>和燕<namePart type=“given”>黄<namePart type=“family”><角色>作者</角色></name><originInfo>2018年10月11日发布</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>2018年自然语言处理实证方法会议记录</titleInfo><name type=“personal”>艾伦里洛夫<角色>编辑器</角色></name><name type=“personal”><namePart type=“given”>David</namePart>蒋介石<角色>编辑器</角色></name><name type=“personal”>朱莉娅曲棍球运动员<角色>编辑器</角色></name><name type=“personal”>Jun’ichi<namePart type=“family”>筑地</namePart><角色>编辑器</角色></name><originInfo>计算语言学协会<位置>比利时布鲁塞尔</place></originInfo>会议出版物</relatedItem>事件提取在自然语言处理中具有实用价值。在现实世界中,同一个句子中存在多个事件是一种常见的现象,提取这些事件比提取单个事件更困难。以前使用顺序建模方法对事件之间的关联进行建模的工作,由于捕获非常长的依赖关系的效率很低,因此受到了很大的影响。在本文中,我们提出了一种新的联合多事件提取(JMEE)框架,通过引入句法快捷弧来增强信息流,并引入基于注意力的图卷积网络来对图信息建模,从而联合提取多个事件触发器和自变量。实验结果表明,与最先进的方法相比,我们提出的框架取得了具有竞争力的结果</摘要>liu-etal-2018联合10.18653/v1/D18-1156<位置><网址>https://aclantology.org/D18-1156</url></位置><部分>2018年10月11日<扩展单元=“page”><开始>1247</开始><end>1256</范围></部分></mods></modsCollection>
%0会议记录%基于注意的图形信息聚合的联合多事件提取%A刘,肖%阿罗,准钦%阿黄、何燕%埃伦·Y·里洛夫%Y Chiang,大卫%Y Hockenmaier,朱莉娅%Y Tsujii,Jun’ichi先生%2018年自然语言处理实证方法会议论文集%2018年D月%10月8日-11月%计算语言学协会%C比利时布鲁塞尔%F liu-etal-2018联合%X事件提取在自然语言处理中具有实用价值。在现实世界中,同一个句子中存在多个事件是一种常见的现象,提取这些事件比提取单个事件更困难。以前使用顺序建模方法对事件之间的关联进行建模的工作,由于捕获非常长的依赖关系的效率很低,因此受到了很大的影响。本文提出了一种新的联合多事件提取(Jointly Multiple Events Extraction,JMEE)框架,通过引入句法捷径弧来增强信息流,并通过基于注意的图卷积网络来建模图信息,从而联合提取多个事件触发器和参数。实验结果表明,与最先进的方法相比,我们提出的框架取得了具有竞争力的结果。%10.18653/v1/D18-1156兰特%U型https://aclantology.org/D18-1156%U型https://doi.org/10.18653/v1/D18-1156%电话1247-1256
降价(非正式)
[通过基于注意的图形信息聚合联合提取多个事件](https://aclantology.org/D18-1156)(Liu等人,EMNLP 2018)
国际计算语言学协会