@正在进行{kamigaito-etal-2021新,title=“提取人与人之间有趣关系的新惊喜措施”,author=“神户、Hidetaka和Kwon、Jingun和Song、Young-In和马纳布大村”,editor=“Gkatzia、Dimitra和Seddah,Djam{\ee}“,booktitle=“计算语言学协会欧洲分会第十六届会议记录:系统演示”,月份=4r,年=“2021”,address=“在线”,publisher=“计算语言学协会”,url=“https://aclantology.org/2021.eacl-demos.27”,doi=“10.18653/v1/2021.eacl-demos.27”,pages=“231--237”,抽象=“在搜索引擎中提高用户参与度的一种方法是向用户推荐有趣的事实。虽然人与人之间的关系作为文本挖掘的目标很重要,但很少有有效的方法来提取人与人的有趣关系。因此,我们提出了一种提取有趣关系的方法通过关注自然语言文本中的人的惊奇来进行交流。我们的方法首先从文本的依赖树中提取所有个人关系,然后以无监督的方式计算所提取关系的分布式表示的惊喜分数。我们的方法的独特之处在于,它不需要任何带有注释的标记数据集来处理令人惊讶的个人关系。人类评估的结果表明,与基于普及率的基线方法相比,该方法可以从日本维基百科文章中提取更多有趣的人与人之间的关系。我们在谷歌搜索上展示了我们作为chrome插件提出的方法。”,}
<?xml版本=“1.0”编码=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“kamigaito-etal-2021-new”><标题信息><title>提取人与人之间有趣关系的新惊喜措施</titleInfo><name type=“personal”>Hidetaka神户<namePart type=“family”><角色>作者</角色></name><name type=“personal”>金坤Kwon<角色>作者</角色></name><name type=“personal”>Young-In歌曲<角色>作者</角色></name><name type=“personal”><namePart type=“given”>马纳布大村<namePart type=“family”>Okumura<角色>作者</角色></name><originInfo>2021-04发布日期</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>计算语言学协会欧洲分会第16届会议记录:系统演示</titleInfo><name type=“personal”>迪米特拉格卡齐亚<角色>编辑器</角色></name><name type=“personal”>DjameSeddah(塞达)<角色>编辑器</角色></name><originInfo>计算语言学协会<位置>在线</place></originInfo>会议出版物</relatedItem><abstract>在搜索引擎中提高用户参与度的一种方法是向用户推荐有趣的事实。尽管人与人之间的关系作为文本挖掘的目标很重要,但很少有有效的方法来提取人与人之间有趣的关系。因此,我们提出了一种从自然语言文本中提取人与人之间有趣关系的方法,重点关注他们的惊奇性。我们的方法首先从文本的依赖树中提取所有个人关系,然后以无监督的方式计算所提取关系的分布式表示的惊喜分数。我们的方法的独特之处在于,它不需要任何带有注释的标记数据集来处理令人惊讶的个人关系。人类评估的结果表明,与基于普及率的基线方法相比,该方法可以从日本维基百科文章中提取更多有趣的人与人之间的关系。我们将我们提出的方法作为谷歌搜索的chrome插件进行演示</摘要><identifier type=“citekey”>kamigaito-etal-2021新</identifier>10.18653/v1/2021.eacl-demos.27<位置><网址>https://aclantology.org/2021.eacl-demos.27</url></位置><部分>2021-04年<扩展单元=“page”><开始>231<end>237</范围></部分></mods></modsCollection>
%0会议记录%T一种提取人与人之间有趣关系的新惊喜方法%神户,神户%金坤阿权%一首歌,Young-In%A Okumura,马纳布%迪米特拉·尤卡齐亚%Y Seddah,Djamé%计算语言学协会欧洲分会第16届会议记录:系统演示%D 2021年%4月8日%计算语言学协会%C在线%F kamigaito-etal-2021新%X提高用户在搜索引擎中参与度的一种方法是向用户推荐有趣的事实。虽然人与人之间的关系作为文本挖掘的目标很重要,但很少有有效的方法来提取人与人的有趣关系。因此,我们提出了一种从自然语言文本中提取人与人之间有趣关系的方法,重点关注他们的惊奇性。我们的方法首先从文本的依赖树中提取所有个人关系,然后以无监督的方式计算所提取关系的分布式表示的惊喜分数。我们的方法的独特之处在于,它不需要任何带有注释的标记数据集来处理令人惊讶的个人关系。人类评估的结果表明,与基于普及率的基线方法相比,该方法可以从日本维基百科文章中提取更多有趣的人与人之间的关系。我们将我们提出的方法作为谷歌搜索的chrome插件进行演示。%R 10.18653/v1/2021.eacl-demos.27号文件%U型https://aclantology.org/2021.eacl-demos.27%U型https://doi.org/10.18653/v1/2021.eacl-demos.27%第231-237页
降价(非正式)
[一种提取人与人之间有趣关系的新的惊喜措施](https://aclantology.org/2021.eacl-demos.27)(Kamigaito等人,EACL 2021)
国际计算语言学协会