玛丽亚·贝克尔
人员信息
附属: 德国海德堡大学
其他同名人员
优化列表
2020年–今天
2023 [j3] 迈克尔·本德 , 玛丽亚·贝克尔 , 卡琳娜·基姆斯 , 马库斯·米勒 :
解释语用注释和机器学习界面上的类别发展:政治辩论中话语引用语言例程的注释、检测和分类。 数字。 人性。 问:。 17 ( 三 ) ( 2023 ) 2021 [第11条] 玛丽亚·贝克尔 , 梁思婷 , 阿内特·弗兰克 :
用语言模型重构隐性知识。 迪利奥@NAACL-HLT 2021 : 11-24 [第10条] 玛丽亚·贝克尔 , 卡萨琳娜·科尔夫哈格(Katharina Korfhage) , 阿内特·弗兰克 :
COCO-EX:将文本中的概念链接到ConceptNet的工具。 EACL(系统演示) 2021 : 119-126 [i3] 玛丽亚·贝克尔 , 卡萨琳娜·科尔夫哈格(Katharina Korfhage) , 德布吉特·保罗 , 阿内特·弗兰克 :
CO-NNECT:一个揭示常识知识路径的框架,作为文本中隐含知识的显式表达。 CoRR公司 abs/2105.03157 ( 2021 ) 2020 [注2] 玛丽亚·贝克尔 , Ioana Hulpus公司 , 尤里·奥皮茨 , 德布吉特·保罗 , 乔纳森·科贝 , 海纳·斯塔肯施密特(Heiner Stuckenschmidt) , 阿内特·弗兰克 :
用背景知识解释论点。 Datenbank-Spektrum公司 20 ( 2 ) : 131-141 ( 2020 ) 【c9】 德布吉特·保罗 , 尤里·奥皮茨 , 玛丽亚·贝克尔 , 乔纳森·科贝 , 格雷姆·赫斯特 , 阿内特·弗兰克 :
基于背景知识的论证关系分类。 COMMA公司 2020 : 319-330 【c8】 玛丽亚·贝克尔 , 卡萨琳娜·科尔夫哈格(Katharina Korfhage) , 阿内特·弗兰克 :
议论文中的隐含知识:注释语料库。 LREC公司 2020 : 2316-2324
2010 – 2019
2019 【c7】 玛丽亚·贝克尔 , 迈克尔·斯坦尼克 , Vivi Nastase(维维·纳斯塔斯) , 阿内特·弗兰克 :
评估在多标签分类设置中对概念网络关系进行分类的难度。 IWCS关系 2019 : 1-14 【c6】 乔纳森·科布 , 尤里·奥皮茨 , 玛丽亚·贝克尔 , Ioana Hulpus公司 , 海纳·斯塔肯施密特(Heiner Stuckenschmidt) , 阿内特·弗兰克 :
利用背景知识进行论证关系分类。 LDK公司 2019 : 8:1-8:14 [c5] Ioana Hulpus公司 , 乔纳森·科布 , 克里斯蒂安·梅利克 , 海纳·斯塔肯施密特(Heiner Stuckenschmidt) , 玛丽亚·贝克尔 , 尤里·奥皮茨 , Vivi Nastase(维维·纳斯塔斯) , 阿内特·弗兰克 :
用背景知识解释自然语言论点。 个人资料/ 在ISWC条件下的SEMEX 2019 : 62-77 [i2] 玛丽亚·贝克尔 , 迈克尔·斯坦尼克 , Vivi Nastase(维维·纳斯塔斯) , 阿内特·弗兰克 :
评估在多标签分类设置中对概念网络关系进行分类的难度。 CoRR公司 abs/1905.05538 ( 2019 ) [i1] 玛丽亚·贝克尔 , 卡萨琳娜·科尔夫哈格(Katharina Korfhage) , 阿内特·弗兰克 :
议论文中的隐含知识:注释语料库。 CoRR公司 abs/1912.10161 ( 2019 ) 2018 【c4】 彼得·沃拉斯 , 亚历克·韦斯 , 玛丽亚·贝克尔 , 本·贾姆罗兹 , 珍妮·T·昆比 , 迪伦·威廉姆斯 , 凯特·雷姆利 :
虚拟阵列测量中基于梯度的最大似然角估计方法。 全球SIP 2018 : 1257-1261 2017 [j1] 玛丽亚·贝克尔 , 亚历克西斯·帕尔默 , 阿内特·弗兰克 :
语义从句类型和情态作为论证分析的特征 1 . 参数计算。 8 ( 2 ) : 95-112 ( 2017 ) [c3] 玛丽亚·贝克尔 , 迈克尔·斯坦尼克 , Vivi Nastase(维维·纳斯塔斯) , 阿内特·弗兰克 :
用隐含知识丰富论证文本。 国家开发银行 2017 : 84-96 【c2】 玛丽亚·贝克尔 , 迈克尔·斯坦尼克 , Vivi Nastase(维维·纳斯塔斯) , 亚历克西斯·帕尔默 , 阿内特·弗兰克 :
语义小句类型分类:用递归神经网络和注意建模语境和体裁特征。 *扫描电镜 2017 : 230-240 2016 【c1】 玛丽亚·贝克尔 , 亚历克西斯·帕尔默 , 阿内特·弗兰克 :
论证文本和子句类型。 ACL下的ArgMining 2016