{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,4,27]]，“日期时间”：“2024-04-27T17:51:24Z”，“时间戳”：1714240284553}，“参考计数”：96，“出版商”：“计算机协会（ACM）”，“问题”：“2”，“资助者”：[{“名称”：“国家综合大数据中心试点项目”，“奖项”：[“17111002，and 20500908”]}，{“DOI”：“10.13039\/501100002858”，“name”：“中国博士后科学基金会”，“DOI-asserted-by”：“crossref”，“adward”：[“2018M641436”]}.，{”name“：“新一代人工智能特别行动项目”，“award”：[”AI20191125008“]}”，{，“doi-asserted-by”：“crossref”，“award”：[“U19B2026”]}，{“name”：“国家重点研发项目”，“adward”：[”2017YFC0820503“]}、{“name”：“中国电子科技集团公司联合先进研究基金”，“deward”:[”6141B080102“]}]，“content-domain”：{“domain”:[dl.acm.org“]，“cross-mark-restriction”：true}，“short-container-title”：[“ACM Trans.Knowl.Discov.Data”]，“published-print”：{“date-parts”：[[2021,4,30]]}，“abstract”：“近年来，基于表示学习（RL）的知识图关系预测模型取得了很大进展。然而，它们通常依赖于百科全书知识图中嵌入的结构信息，而忽略了词汇知识图提供的有益语义信息，导致了知识获取中的浅层理解和粗粒度分析问题。因此，本文引入了从词汇知识图（如概率论）中派生的概念信息，并提出了一种新的关系预测层次注意模型，该模型由实体级注意机制和概念级注意机制组成，以通过整合多个语义信号。实验结果证明了该方法在两个基准数据集上的有效性<\/jats:p>“，”DOI“：”10.1145\/3424673“，”type“：”journal-article“，”created“：{”date-parts“：[[2021,1,4]]，”date-time“：”2021-01-04T14:22Z“，”timestamp“：1609770862000}，”page“：“1-22”，“update-policy”：“http://\/dx.DOI.org\/10.1145\/crossmark-policy”，“source”：”Crossref“，”is-referenced-by-count“：14，”title“：[”HARP“]，”prefix“：”10.1145“，”volume“：”15“，”author“：[{”given“：”Yashen“，”family“：”Wang“，”sequence“：”first“，”affiliation“：[{”name“：”CETC北京电子信息技术研究院“}]}，{”given”：“欢欢”，“family”：“Zhang”，“sequence”：“additional”，“affiliance”：[{“name”：“”CETC中国电子信息技术学院“}]]，“member”：“320”，“published-online“：{“date-parts”：[[2021,1,4]]}，“reference”：[{“key”：“e_1_1_1”，“doi-asserted-by”：“publisher”，“doi”：“10.18653\/v1\/N18-1068”}，{“密钥”：“e_12_1_2_2_1”、“volume-title”：“神经机器翻译，通过联合学习对齐和翻译。Eprint Arxiv”，“author”：“Bahdanau Dzmitry”，“year”：“2014”，“unstructured”：“”Dzmitry Bahdanau、Kyunghyun Cho和Yoshua Bengio。2014年，通过联合学习对齐和翻译实现神经机器翻译。Eprint Arxiv（2014）。Dzmitry Bahdanau、Kyunghyun Cho和Yoshua Bengio。2014年，通过联合学习对齐和翻译实现神经机器翻译。Eprint Arxiv（2014）。“}，{”key“：”e_1_1_3_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/358598.358609”}，“key”：“e_2_1_4_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/1376616.1376746“}”，{：“2012”，“非结构化“：”安托万·博德斯、泽维尔·格洛特、杰森·韦斯顿和约舒亚·本吉奥。2012 . 用于开放文本语义分析的单词和意思表示的联合学习。第15届国际人工智能与统计会议论文集。安托万·博德斯（Antoine Bordes）、泽维尔·格洛特（Xavier Gloot）、杰森·韦斯顿（Jason Weston）和约舒亚·本吉奥（Yoshua Bengio）。2012.用于开放文本语义分析的单词和意思表示的联合学习。第15届国际人工智能与统计会议论文集。“}，{”key“：”e_1_2_1_6_1“，”volume-title“：”第26届神经信息处理系统国际会议论文集.2787--2795“，”author“：”Bordes Antoine“，”year“：”2013“，”unstructured“：”Antoine Bordes、Nicolas Usunier、Alberto Garcia-Duran、Jason Weston和Oksana Yakhnenko。2013 . 转换用于建模多关系数据的嵌入。第26届神经信息处理系统国际会议论文集。2787--2795 . Antoine Bordes、Nicolas Usunier、Alberto Garcia Duran、Jason Weston和Oksana Yakhnenko。2013.转换用于建模多关系数据的嵌入。第26届神经信息处理系统国际会议论文集。2787--2795.“}，{”key“：”e_1_2_1_7_1“，”volume-title“：”第25届AAAI人工智能会议论文集.301--306“，”author“：”Bordes Antoine“，”year“：”2011“，”unstructured“：”Antoine Bordes、Jason Weston、Ronan Colobert和Yoshua Bengio。2011 . 学习知识库的结构化嵌入。第25届AAAI人工智能会议论文集。301--306 . Antoine Bordes、Jason Weston、Ronan Collobert和Yoshua Bengio。2011.学习知识库的结构化嵌入。第25届AAAI人工智能会议论文集。301--306.“}，{”key“：”e_1_2_1_8_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2245276.2245346”}，“key”：“e_2_2_9_1”，“doi-assert-by”：“publisher”，”doi“：”10.1137\/1.9781611975673.27“}”，{“key：”e_ 1_1_10_1“、”doi-aserted-by：“publicher”，“doi:”10.2991\/icaita-18.49“}，{“键”：“e_1_1_11_1”，“卷时间”：“2015年建设性侧通道分析和安全设计国际研讨会论文集。“，”作者“：”丁·亚当“，”年份“：”2015“，”非结构化“：”丁·亚当、陈聪和托马斯·艾森巴特。2015 . 基于T测试的泄漏检测更简单、更快、更健壮。2015年建设性侧通道分析和安全设计国际研讨会论文集。A.Adam Ding、Cong Chen和Thomas Eisenbarth。2015.基于T测试的泄漏检测更简单、更快、更稳健。在2015年建设性侧通道分析和安全设计国际研讨会论文集上。“}，{”key“：”e_1_1_12_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2623330.26236223”}，“key”：“e_2_1_13_1”，“doi-assert-by”：“publisher”，”doi“：”10.1016\/j.ins.2016.08.084“}”，{“}，{”键“：”e_1_1_15_1“，”卷时间“：”本地私人假设检验：Chi-square检验。ArXiv abs \/1709.07155“，“作者”：“Gaboardi Marco”，“年份”：“2018年”，“非结构化”：“Marco Gaboardy和Ryan Rogers。2018年，地方私人假设检验：齐方检验。ArXiv abs \/1709.07155（2018）。马可·加博阿迪和瑞安·罗杰斯。2018年，地方私人假设检验：齐方检验。ArXiv abs \/1709.07155（2018）。“}，{”key“：”e_1_1_16_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1093\/jamia\/ocx131”}，“key”：“e_2_1_17_1”，“doi-assert-by”：“publisher”，”doi“：”10.1007\/BF02163027“}”，{，“非结构化”：“徐翰、刘志远和孙茂松。2018 . 通过知识图和文本之间的相互关注获取神经知识。2018年AAAI人工智能会议记录。徐翰、刘志远和孙茂松。2018年，通过知识图形和文本之间的相互关注获取神经知识。2018年AAAI人工智能会议记录。“}，{”key“：”e_1_1_19_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TIP.2019.2904460”}，“key”：“e_1_i_1_20_1”，“doi-assert-by”：“publisher”，”doi“：”10.18653\/v1\/P17-1036“}”，{“key“:”e_2_1_21_1“、”volume-title“：”2015年AAAI人工智能会议论文集。“，”author“：”He Ruining“，”非结构化“：”毁灭何和朱利安J。麦考利。2015.VBPR：基于隐式反馈的可视化贝叶斯个性化排名。2015年AAAI人工智能会议记录。毁灭他和朱利安·麦考利。2015.VBPR：基于隐式反馈的可视化贝叶斯个性化排名。2015年AAAI人工智能会议记录。“}，｛”键“：”e_1_2_1_22_1“，”卷标题“：”2015年国际神经信息处理系统会议记录“，”作者“：”赫尔曼·卡尔·莫里茨“，”年份“：”2015“，”非结构化“：”卡尔·莫里茨·赫尔曼（Karl Moritz Hermann）、汤姆·科西斯克（Tom\u00e1s Kocisk\u00fd）、爱德华·格雷芬斯特特（Edward Grefenstette）、拉斯·埃斯佩霍尔特（Lasse Espeholt）、威尔·凯（Will Kay）、穆斯塔法·苏莱曼（Mustafa Suleyman）和菲尔·布隆森（Phil Blunsom）。2015 . 教机器阅读和理解。2015年神经信息处理系统国际会议论文集。卡尔·莫里茨·赫尔曼（Karl Moritz Hermann）、汤姆·科西斯克（Tom\u00e1s Kocisk\u00fd）、爱德华·格雷芬斯特特（Edward Grefenstette）、拉斯·埃斯佩霍尔特（Lasse Espeholt）、威尔·凯（Will Kay）、穆斯塔法·苏莱曼（Mustafa Suleyman）和菲尔·布隆森（Phil Blunsom）。2015.教学机器阅读和理解。2015年神经信息处理系统国际会议论文集。“｝，｛”key“：”e_1_2_23_1“，”doi由“：”publisher“断言，”doi“：”10.1609\/aai.v33i01.3301946“｝，｛”key“：”e_1_2_24_1“，”doi由“：”publisher“断言，”doi“：”10.1109\/ICDE.2015.7111309“｝，｛”key“：”e_1_1_25_1“，”doi由“：”publisher“断言，”doi“：”10.1109\/TKDE.2017.2787709“｝，｛”key“：”e_1_ 2_1_26_1“，”doi由“：”publisher“断言，”doi“：”10.1080\/08854726.2017.1335050“}，{“key”：“e_1_2_1_27_1”，“doi-asserted-by”：“publisher”，”doi“：”10.3115\/v1\/P15-067“}”，{”key“：”e_1_i_1_28_1“，”doi-assert-by“：”publisher“，：“10.1145\/24875575.2487589”}，{“密钥”：“e_1_2_1_30_1”，“卷时间”：“语义网国际会议论文集。640--655“，“author”：“Krompa Denis”，“year”：“2015”，“unstructured”：“Denis Krompa，Stephan Baier，and Volker Tresp。2015 . 知识图中的类型约束表示学习。在语义网络国际会议（ISWC）的会议记录中。640--655 . Denis Krompa、Stephan Baier和Volker Tresp。2015.知识图中的类型约束表征学习。在语义网络国际会议（ISWC）的会议记录中。640--655.“}，{”key“：”e_1_2_1_31_1“，”volume-title“：”第三十三届国际机器学习会议论文集“，”author“：”Kumar Ankit“，”year“：”2016“，”unstructured“：”安基特·库马尔（Ankit Kumar）、奥赞·伊尔索伊（Ozan Irsoy）、彼得·昂德鲁斯卡（Peter Ondruska）、莫希特·伊耶（Mohit Iyyer）、詹姆斯·布拉德伯里（James Bradbury）、伊斯哈安·古拉贾尼（Ishaan Gulrajani）、维克多。2016 . 问我任何问题：用于自然语言处理的动态记忆网络。第33届国际机器学习会议论文集。安基特·库马尔（Ankit Kumar）、奥赞·伊尔索伊（Ozan Irsoy）、彼得·昂德鲁斯卡（Peter Ondruska）、莫希特·伊耶（Mohit Iyyer）、詹姆斯·布拉德伯里（James Bradbury）、伊斯哈安·古拉贾尼（Ishaan Gulrajani）、维克多·钟（Victor Zhong）、罗曼·保卢斯（Romain Paulus）和理查德·索彻（Richard Socher）。2016.问我任何问题：用于自然语言处理的动态记忆网络。第33届国际机器学习会议论文集。}，{“key”：“e_1_2_1_32_1”，“volume-title”：“麻省理工学院SemEval-2017任务10：卷积神经网络关系提取。ArXiv abs \/1704.01523”，“author”：“Lee Ji Young”，“year”：“2017”，“unstructured”：“Ji Young-Lee，Franck Dernoncourt，and Peter Szolovits.2017。麻省理工学院2017年第10期任务：利用卷积神经网络进行关系提取。ArXiv abs \/1704.01523（2017）。李智英（Ji Young Lee）、弗兰克·德农科特（Frank Dernoncourt）和彼得·索洛维茨（Peter Szolovits）。2017年，麻省理工学院在2017年SemEval-2017年的任务10：用卷积神经网络提取关系。ArXiv abs \/1704.01523（2017）。“}，{”key“：”e_1_1_33_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2505515.2505567”}，“key”：“e_2_1_34_1”，“volume-title”：“2018年AAAI人工智能会议论文集”，“author”：“Li Zheng”，“year”：“2018”，“unstructured”：“郑丽、魏亚林、张玉芝和杨强。2018 . 用于跨域情感分类的分层注意力转移网络。2018年AAAI人工智能会议记录。郑丽、魏亚林、张玉芝和杨强。2018.用于跨领域情感分类的分层注意力转移网络。2018年AAAI人工智能会议记录。“}，{”key“：”e_1_1_35_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1007\/978-3-030-01012-6_8”}，“key”：“e_2_1_36_1”，“doi-assert-by”：“publisher”，”doi“：”10.1007\/s41095-018-0110-3“}”，{，{“键”：“e_1_2_1_38_1”，“doi-asserted-by”：“发布者”，“doi”：“10.18653\/v1\/D15-082”}，{“key”：“e_1_2_1_39_1”，“volume title”：“2015年AAAI人工智能大会论文集.281--2187”，“author”：“Lin Yankai”，“year”：“2015”，“nonstructured”：“林彦凯、刘志远、孙茂松、刘洋和朱璇.2015.用于知识图完成的学习实体和关系嵌入.2015年美国人工智能学会人工智能会议论文集.2181-2187.林彦凯，刘志远，孙茂松，刘洋和朱璇.2015。用于完成知识图的学习实体和关系嵌入。2015年AAAI人工智能会议记录。2181--2187.“}，{”key“：”e_1_1_40_1“，”doi-asserted-by“：”publisher“，“doi”：“10.18653\/v1\/P16-1200”}，“key”：“e_1_cu41_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/IJCNN.2019.8852055“}”，{刘洋”，“年份”：“2015年”，“非结构化”：“杨柳、刘志远、蔡大胜和孙茂松。2015 . 主题词嵌入。第29届AAAI人工智能会议论文集。杨柳、刘志远、蔡大胜和孙茂松。2015.主题词嵌入。第29届AAAI人工智能会议论文集。“}，{”key“：”e_1_2_1_43_1“，”volume-title“：”Jackie Chi Kit Cheung，and Doina Precup“，”author“：”Long Teng“，”year“：”2016“，”unstructured“：”Teng Long，Ryan Lowe，Jackie Kit Cheng，and Doino Precup.2016.利用词汇资源学习多关系数据中的实体嵌入。CoRR abs\/1605.05416（2016）.腾龙、瑞恩·洛、杰基·奇·张和多伊娜·普雷库普。2016.利用词汇资源将学习实体嵌入到多关系数据中。CoRR腹肌\/1605.05416（2016）。“}，{”key“：”e_1_2_1_44_1“，”volume-title“：”2015年自然语言处理实证方法会议记录“，”author“：”Luong Thang“，“unstructured”：“Thang Luong，Hieu Pham，and Christopher D.Manning。2015。基于注意的神经机器翻译的有效方法。《2015年自然语言处理实证方法会议论文集》。Thang Luong、Hieu Pham和Christopher D.Manning。2015.基于注意力的神经机器翻译的有效方法。《2015年自然语言处理实证方法会议论文集》。“}，{”key“：”e_1_1_45_1“，”doi-asserted-by“：”publisher“，“doi”：“10.18653\/v1\/P19-1244”}，“key”：“e_2_1_46_1”，“doi-assert-by”：“publisher”，”doi“：”10.1007\/978-3319-71249-9_43“}”，{sung“，”非结构化“：”Changsung Moon、Paul Jones和Nagiza F.Samatova。2017.学习实体类型嵌入以完成知识图。2017年ACM信息与知识管理会议记录。Changsung Moon、Paul Jones和Nagiza F.Samatova。2017.学习实体类型嵌入以完成知识图。2017年ACM信息与知识管理会议记录。“}，{”key“：”e_1_2_1_48_1“，”volume-title“：”第13届AAAI人工智能会议论文集.1955-1961“，”author“：”Nickel Maximilian“，”year“：”2016“，”unstructured“：”马克西米利安·尼克尔（Maximilian Nickel）、洛伦佐·罗萨斯科（Lorenzo Rosasco）和托马索·波乔（Tomaso Poggio）。2016 . 知识图的全息嵌入。在第13届AAAI人工智能会议的会议记录中。1955--1961 . 马克西米利安·尼克尔（Maximilian Nickel）、洛伦佐·罗萨斯科（Lorenzo Rosasco）和托马索·波乔（Tomaso Poggio）。2016年，知识图形的全息嵌入。在第13届AAAI人工智能会议论文集上。1955--1916.“}，{”key“：”e_1_2_1_49_1“，”volume-title“：”2011年国际机器学习会议论文集。809--816“，”author“：”Nickel Maximilian“，”year“：”2011“，”unstructured“：”马克西米利安·尼克尔（Maximilian Nickel）、沃尔克·特雷普（Volker Tresp）和汉斯·彼得·克里格尔（Hans-Peter Kriegel）。2011 . 多关系数据集体学习的三方模型。2011年机器学习国际会议论文集。809--816 . 马克西米利安·尼克尔（Maximilian Nickel）、沃尔克·特雷普（Volker Tresp）和汉斯·彼得·克里格尔（Hans-Peter Kriegel）。2011.多关系数据集体学习的三方模型。2011年机器学习国际会议论文集。809--816.“}，{”key“：”e_1_2_1_50_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.knosys.2014.09.013”}，}“key”：“e_1_i_1_51_1”，“volume-title”：“2016年AAAI人工智能会议论文集.2638-2644”，“author”：“Wang Haixun”，”年份：“2016”，“unstructured”：“”Jin-woo Park、Seung-won Hwang和Haixun Wang。2016 . FrameNet的细粒度语义概念化。2016年AAAI人工智能会议记录。2638--2644 . Jin-woo Park、Seung-won Hwang和Haixun Wang。2016.FrameNet的细粒度语义概念化。2016年AAAI人工智能会议记录。2638-2644.“}，{“key”：“e_1_2_1_52_1”，“doi断言者”：“publisher”，“doi”：“10.1109\/TKDE.2017.2754499”}，{“key”：“e_1_2_53_1”，“doi断言者”：“publisher”，“doi”：“10.4103\/235-5414.157577”}，{“key”：“e_1_2_1_54_1”，“卷标题”：“2009年人工智能不确定性会议论文集”，“作者”：“Rendle Steffen”，“年份”：“2009“，”非结构化”：“斯特芬·伦德尔、克里斯托夫·弗洛伊登塔勒、泽诺·甘特纳和拉尔斯·施密特·蒂姆。2009 . BPR：基于隐含反馈的贝叶斯个性化排名。2009年人工智能不确定性会议论文集。斯特芬·伦德尔（Steffen Rendle）、克里斯托夫·弗洛伊登塔勒（Christoph Freudenthaler）、泽诺·甘特纳（Zeno Gantner）和拉尔斯·施密特·蒂姆（Lars Schmidt-Thieme）。2009年BPR：基于隐性反馈的贝叶斯个性化排名。2009年人工智能不确定性会议论文集。“}，{”key“：”e_1_1_55_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/WSC.2011.6147750”}，“key”：“e_2_1_56_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/TKDE.2017.2754499：“2016年”，“非结构化”：“史宝旭（Baoxu Shi）和蒂姆·温格（Tim Weninger）。2016 . ProjE：嵌入投影以完成知识图。2016年AAAI人工智能会议记录。史宝旭（Baoxu Shi）和蒂姆·温格（Tim Weninger）。2016.项目E：嵌入投影以完成知识图。2016年AAAI人工智能会议记录。“}，{”key“：”e_1_2_1_58_1“，”volume-title“：”H-VECTORS：使用分层注意模型嵌入语音级说话人。ArXiv abs \/1910.07900“，”author“：”Shi Yanpei“，“year”：“2019”，“unstructured”：“Shi Yanbei，Qiang Huang，and Thomas Hain.2019。H-VECTORS：使用分层注意模型嵌入语音级说话人。ArXiv abs \/1910.07900（2019年）。石彦培、黄强和托马斯·海恩。2019.H-VECTORS：使用分层注意力模型嵌入语音级说话人。ArXiv abs \/1910.07900（2019年）。“}，{”key“：”e_1_2_1_60_1“，”volume-title“：”第26届神经信息处理系统国际会议论文集。926--934“，”author“：”Socher Richard“，”year“：”2013“，”unstructured“：”Richard Socher，Danqi Chen，Christopher D。Manning和Andrew Ng。2013 . 使用神经张量网络进行推理以完成知识库。在第26届神经信息处理系统国际会议论文集上。926--934 . Richard Socher、Danqi Chen、Christopher D.Manning和Andrew Ng，2013年。使用神经张量网络进行推理以完成知识库。第26届神经信息处理系统国际会议论文集。926--934.“}，{”key“：”e_1_2_1_61_1“，”volume-title“：”2018年信息系统与计算机辅助教育国际会议（ICISCAE\u201918）“，”author“：”宋美娜“，”unstructured“：”宋美娜、刘庆和e.海虹。2018。信息检索中文本匹配的深度分层注意网络。2018年信息系统与计算机辅助教育国际会议论文集（ICISCAE\u201918）。476--481. 宋美娜（Meina Song）、刘青（Qing Liu）和E.海虹（E.Haihong）。2018.信息检索中文本匹配的深度分层注意网络。2018年信息系统和计算机辅助教育国际会议记录（ICISCAE\u201918）。476--481.“}，{”key“：”e_1_2_1_62_1“，”volume-title“：”第二十二届国际人工智能联合会议论文集.2330-2336“，”author“：”宋阳秋“，”year“：”2011“，”unstructured“：”宋阳秋、王海训、王中原、李洪松和陈伟珠。2011 . 使用概率知识库的短文本概念化。第22届国际人工智能联合会议记录。2330--2336 . 宋阳秋、王海训、王中原、李洪松和陈伟珠。2011.使用概率知识库的简短文本概念化。第22届国际人工智能联合会议记录。2330--2336.“}，{”key“：”e_1_2_1_63_1“，”volume-title“：”2015年人工智能国际会议论文集.3820--3826“，”author“：”宋阳秋“，”year“：”2015'，”unstructured“：”宋阳秋、王树森和王海训。2015 . 开放域短文本概念化：一种生成+描述性建模方法。2015年国际人工智能会议论文集。3820--3826 . 宋阳秋、王树森和王海训。2015.开放域短文本概念化：生成+描述性建模方法。2015年国际人工智能会议论文集。3820--3826.“}，{”key“：”e_1_2_1_64_1“，”volume-title“：”第24届国际人工智能会议论文集“，”author“：”宋阳秋“，”year“：”2015“，”unstructured“：”宋阳秋、王树森和王海训。2015 . 开放域短文本概念化：一种生成+描述性建模方法。第24届国际人工智能会议论文集。宋阳秋、王树森和王海训。2015.开放域短文本概念化：生成+描述性建模方法。第24届国际人工智能会议论文集。“｝，｛”key“：”e_1_1_65_1“，”doi由“：”publisher“断言，”doi“：”10.18653\/v1\/D17-1188“｝，｛”key“：”e_1_1_66_1“，”卷标题“：”NLP深度学习笔记。ArXiv abs\/1808.9772“，”作者“：”Tixier Antoine J.-P“，”年份“：”2018“，”非结构化“：”Antoine J.-P Tixier 2018。NLP深度学习注释。ArXiv abs \/1808.09772（2018）。安托万·J·P·提西耶。2018年，NLP深度学习说明。ArXiv abs \/1808.09772（2018）。“}，{”key“：”e_1_1_67_1“，”doi-asserted-by“：”publisher“，“doi”：“10.5555\/3045390.3045609”}，“key”：“e_2_1_68_1”，“volume-title”：“Chiranjib Bhattacharyya，and Partha Talukdar.”，”author“：”Vashithh Shikhar“，”年份“：”2018年“，”非结构化“：”Shikhar Vashishth、Rishabh Joshi、Sai Suman Prayaga、Chiranjib Bhattacharyya和Partha Talukdar。2018 . RESIDE：利用侧面信息改进远程监控的神经关系提取。ArXiv abs \/1812.04361（2018）。Shikhar Vashishth、Rishabh Joshi、Sai Suman Prayaga、Chiranjib Bhattacharyya和Partha Talukdar。2018年。RESIDE：利用侧面信息改进远程监督的神经关系提取。ArXiv abs \/1812.04361（2018）。“}，{”key“：”e_1_1_69_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2661829.2662067”}，“key”：“e_2_1_70_1”，“doi-assert-by”：“publisher”，”doi“：”10.1609\/aaaai.v33i01.33018957“}”，{1934年“作者：“王伟”，“年份”：“2018年”，“非结构化”：“王玮、陈武、明艳。2018.阅读理解和问答的多粒度分层注意力融合网络。ArXiv abs \/1811.11934（2018）。王伟、陈武和明艳。2018.用于阅读理解和问答的多粒度层次注意力融合网络。ArXiv abs\/181.111934（2018）。“}，{”key“：”e_1_1_72_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/JAS.2017.7510664”}，“{”key“：“e_2_1_73_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/3038912.3052710“}”，{，{“键”：“e_1_2_1_75_1”，“doi-asserted-by”：“出版商”，“doi”：“10.1007\/978-3-030-26072-9_28”}，{“key”：“e_1_1_76_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1007\/978-3-030-31624-2_6“}，{”key“：”e_2_1_77_1“，”doi-assert-by“：”publisher“，“doi”：“10.3115\/v1\/D14-1167”}，“key“”：“e_1_2_1_78_1”、“volume-title”：“2014年AAAI人工智能会议论文集。1112--1119”，“author”：“Wang Zhen”，“year“：”2014“，”非结构化“：“Zhen Wang，Jianwen Zhang，Jianlin Feng，Zheng Chen.2014.通过在超平面上翻译的知识图嵌入.2014年AAAI人工智能会议论文集.1112--1119.Zhen Wang，Jiangwen Zheng，Feng，and Zheng Chen.2014。基于超平面平移的知识图嵌入。2014年AAAI人工智能会议记录。1112--1119.“}，{”key“：”e_1_2_1_79_1“，”volume-title“：”2015年国际人工智能会议论文集.3264--3270“，”author“：”Wang Zhongyuan“，”year“：”2015'，”unstructured“：”王忠远、赵克军、王海训、孟晓峰和温季荣。2015 . 通过基于知识的概念化查询理解。2015年国际人工智能会议论文集。3264--3270 . 王忠远、赵克军、王海训、孟晓峰和温季荣。2015.通过基于知识的概念化查询理解。2015年国际人工智能会议论文集。3264--3270.“}，{“key”：“e_1_2_1_80_1”，“volume-title”：“从粗到细：基于RNN的车辆再识别分层注意模型。ArXiv abs\/1812.04239”，“author”：“魏秀深”，“年份”：“2018”，“非结构化”：“魏秀珊、张晨林、刘凌桥、沈春华和吴建新。2018 . 从粗到精：一种基于RNN的车辆再识别分层注意模型。ArXiv abs \/1812.04239（2018）。魏秀珊、张晨林、刘凌桥、沈春华和吴建新。2018.Coarse-to-fine：基于RNN的车辆重新识别分层注意力模型。ArXiv abs \/1812.04239（2018）。“}，｛”key“：”e_1_2_1_81_1“，”卷标题“：”2018自然语言处理实证方法会议记录“，”作者“：”Werlen Lesly Miculiich“，”年份“：”2018“，”非结构化“：”莱斯利·米库里奇·沃伦（Lesly Miculich Werlen）、达南杰·拉姆（Dhananjay Ram）、尼古拉斯·帕帕斯（Nikolaos Pappas）和詹姆斯·亨德森（James Henderson）。2018 . 使用分层注意网络进行文档级神经机器翻译。在2018年自然语言处理实证方法会议论文集上。莱斯利·米库里奇·沃伦（Lesly Miculich Werlen）、达南杰·拉姆（Dhananjay Ram）、尼古拉斯·帕帕斯（Nikolaos Pappas）和詹姆斯·亨德森（James Henderson）。2018年，利用分层注意网络进行文档级神经机器翻译。《2018年自然语言处理实证方法会议论文集》。}，{“key”：“e_1_2_1_82_1”，“volume-title”：“2012 ACM SIGMOD国际数据管理会议论文集.481-492”，“author”：“吴文涛”，“unstructured”：“Wu Wentao，Li Hongsong，Wang Haixun，and Kenny Q.Zhu.2012。Probase：文本理解的概率分类法。2012年ACM SIGMOD国际数据管理会议记录。481--492 . 吴文涛、李洪松、王海勋和朱肯尼。2012.Probase：文本理解的概率分类法。2012年ACM SIGMOD国际数据管理会议记录。481--492.“}，{“key”：“e_1_2_1_83_1”，“volume-title”：“2012年ACM SIGMOD国际数据管理会议论文集”，“author”：“吴文涛”，“unstructured”：“Wu Wentao，Li Hongsong，Wang Haixun，and Kenny Q.Zhu.2012。Probase：文本理解的概率分类法。2012年ACM SIGMOD国际数据管理会议记录。吴文涛、李洪松、王海训和朱肯尼。2012.Probase：文本理解的概率分类法。2012年ACM SIGMOD国际数据管理会议记录。“}，{”key“：”e_1_2_1_84_1“，”volume-title“：”2017年AAAI人工智能会议论文集“，”author“：”Xiao Han“，“年份”：“2017”，“非结构化”：“韩晓、黄敏烈、莲蒙和朱晓燕。2017 . SSP：用于嵌入文本描述的知识图的语义空间投影。2017年AAAI人工智能会议论文集。韩晓、黄敏烈、莲蒙和朱晓燕。2017.SSP：用于嵌入文本描述的知识图的语义空间投影。2017年AAAI人工智能会议论文集。“}，{”key“：”e_1_1_85_1“，”doi-asserted-by“：”publisher“，“doi”：“10.18653\/v1\/P16-1219”}，“key”：“e_2_1_86_1”，“volume-title”：“2016年AAAI人工智能会议论文集”，“author”：“谢若兵”，“year”：“2016”，“unstructured”：“Ruobing Xie，Zhiyuan Liu，J.J。贾、栾焕波和孙茂松。2016 . 基于实体描述的知识图表示学习。2016年AAAI人工智能会议记录。谢若兵、刘志远、贾俊杰、栾焕波和孙茂松。2016.实体描述知识图的表示学习。2016年AAAI人工智能会议记录。“}，{”key“：”e_1_2_1_87_1“，”volume-title“：”2016年国际人工智能联合会议论文集.2965--2971“，”author“：”谢若兵“，”year“：”2016“，”unstructured“：”谢若兵、刘志远和孙茂松。2016 . 层次型知识图的表示学习。2016年国际人工智能联合会议论文集。2965-2971之间。谢若兵、刘志远和孙茂松。2016.具有层次类型的知识图的表示学习。2016年国际人工智能联合会议论文集。2965--2971.“}，{”key“：”e_1_2_1_88_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.neucom.2018.12.027”}，“key”：“e_1_i_1_89_1”，“volume-title”：“2015年国际机器学习会议论文集”，“author”：“Xu Kelvin”，“year”：“2015\”，“unstructured”：“Kelvin Xu、Jimmy Ba、Ryan Kiros、Kyunghyun Cho、Aaron C.Courville、Ruslan Salakhutdinov、Richard S.Zemel和Yoshua Bengio。2015 . 展示、出席和讲述：用视觉注意力生成神经图像字幕。2015年国际机器学习会议论文集。Kelvin Xu、Jimmy Ba、Ryan Kiros、Kyunghyun Cho、Aaron C.Courville、Ruslan Salakhutdinov、Richard S.Zemel和Yoshua Bengio。2015.展示、出席和讲述：视觉关注的神经图像字幕生成。2015年国际机器学习会议论文集。}，{“key”：“e_1_2_1_90_1”，“volume-title”：“将语言和知识与异构表示联系起来，用于神经关系提取。ArXiv abs \/1903.10126”，“author”：“Xu Peng”，“year”：“2019”，“unstructured”：“Peng Xu and Denilson Barbosa.2019”。将语言和知识与异构表示联系起来，用于神经关系提取。ArXiv abs \/1903.10126（2019）。徐鹏和巴博萨。2019.将语言和知识与异构表示联系起来，用于神经关系提取。ArXiv abs \/1903.10126（2019）。“｝，｛”key“：”e_1_2_1_91_1“，”doi断言“：”publisher“，”doi“：”10.3115\/v1\/D14-1071“｝，｛”key“：”e_1_2_1_92_1“，”卷标题“：”计算语言学协会北美分会2016年会议论文集：人类语言技术“，”作者“：”杨子超“，”非结构化“：”杨子超、杨迪毅、克里斯·戴尔、何晓东、亚历山大·斯莫拉和爱德华·霍维。2016年，文件分类的分级关注网络。《计算语言学协会北美分会2016年会议记录：人类语言技术》。杨子超、杨迪毅、克里斯·戴尔、何晓东、亚历山大·斯莫拉和爱德华·霍维。2016年，文件分类的分级关注网络。《计算语言学协会北美分会2016年会议记录：人类语言技术》。“}，{”key“：”e_1_2_1_93_1“，”volume-title“：”第31届人工智能会议记录“，”author“：”Yi Tay“，”year“：”2017“，”unstructured“：”戴毅、安团璐和小张惠。2017 . 动态知识图链接预测中多重嵌入的非参数估计。第31届人工智能会议记录。戴毅、安团璐和小张惠。2017年。动态知识图上链接预测的多重嵌入的非参数估计。第31届人工智能会议记录。“}，{”key“：”e_1_1_94_1“，”doi-asserted-by“：”publisher“，“doi”：“10.5555\/3304222.3304315”}，“key”：“e_2_1_95_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/CVPR.2016.503“}”，{“key“:”e_2_ 1_96_1““key”：“e_1_2_1_97_1”，“doi-asserted-by”：“publisher”，”doi“：”10.18653\/v1\/D15-1031“}]，“container-title“：[“ACM Transactions on Knowledge Discovery from Data”]，“original-title”：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/dl.ACM.org\/doi\/pdf\/10.1145\/3424673”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2023,1]]，“date-time”：”2023-01-01T19:46:59Z“，”timestamp“：1672602419000}，”score“：1，”resource“：{”primary”：{“URL”：“https:\/\/dl.acm.org\/doi\/10.1145\/3424673”}}，“subtitle”：[“关系预测的新层次注意模型”]，“shorttitle”：[]，“issued”：{“date-parts”：[2021,1,4]]}，《references-count》：96，“journal-issue”：{'issue'：“2”，“published-print”：{'date-part rts“：[[2021,4,30]]}}，”alternative-id“：[”10.1145\/3424673“]，“URL”：“http://\/dx.doi.org\/10.1145\/3424773”，“关系”：{}，“ISSN”：[“1556-4681”，“1556-472X”]，“ISSN-type”：[{“value”：“1556-4601”，“type”:“print”}，{“value”：“1156-472X”，“类型”：“electronic”}]，“subject”：【】，“published”：{“date-parts”：【[2021,1,4]]}，“断言”：[{“value”：“2020-02-01”，“order”：0，“name”：“received”，“label”：“收到“，”组“：{“name”：“publication_history”，“label”：“publication history”}}，{“value”：“2020-09-01”，“order”：1，“name”:“accepted”，”标签“：“accepted（接受）”，“group”：{名称“：”publication_history：“出版历史“}}]}}