勋章
我关注的人
技术能力
暂时未有相关云产品技术能力~
暂无个人介绍
-
发表了文章 2023-08-02
【论文速递】EMNLP 2022 - 一种大规模中文标题数据集的开放事件抽取基准
事件抽取(EE)对于新聚合和事件知识图构建等下游任务至关重要。大多数现有的EE数据集手动定义固定的事件类型，并为每种事件设计特定的模式
-
发表了文章 2023-08-02
【论文速递】WACV 2023 - 一种全卷积Transformer的医学影响分割模型
我们提出了一种新的transformer，能够分割不同形态的医学图像。医学图像分析的细粒度特性所带来的挑战意味着transformer对其分析的适应仍处于初级阶段。
-
发表了文章 2023-08-02
【论文速递】CASE 2022 - EventGraph: 将事件抽取当作语义图解析任务
事件抽取涉及到事件触发词和相应事件论元的检测和抽取。现有系统经常将事件抽取分解为多个子任务，而不考虑它们之间可能的交互。
-
发表了文章 2023-08-02
Title2Event: Benchmarking Open Event Extraction with a Large-scale Chinese Title Dataset 论文解读
事件抽取(EE)对于新聚合和事件知识图构建等下游任务至关重要。大多数现有的EE数据集手动定义固定的事件类型，并为每种事件设计特定的模式
-
发表了文章 2023-08-02
语义分割数据增强——图像和标注同步增强
其中常见的数据增强方式包括：旋转、垂直翻转、水平翻转、放缩、剪裁、归一化等。
-
发表了文章 2023-08-02
Joint Information Extraction with Cross-Task and Cross-Instance High-Order Modeling 论文解读
先前的信息抽取(IE)工作通常独立地预测不同的任务和实例(例如，事件触发词、实体、角色、关系)，而忽略了它们的相互作用，导致模型效率低下。
-
发表了文章 2023-08-02
FCT: The Fully Convolutional Transformer for Medical Image Segmentation 论文解读
我们提出了一种新的transformer，能够分割不同形态的医学图像。医学图像分析的细粒度特性所带来的挑战意味着transformer对其分析的适应仍处于初级阶段。
-
发表了文章 2023-08-02
【论文速递】EMNLP 2020 - 将事件抽取作为机器阅读理解任务
事件抽取(Event extraction, EE)是一项重要的信息抽取任务，旨在抽取文本中的事件信息。以前的EE方法通常将其建模为分类任务
-
发表了文章 2023-08-02
【论文速递】COLING 2022 - 带有事件论元相关性的事件因果关系抽取
事件因果关系识别(ECI)是事件因果关系理解的重要任务，其目的是检测两个给定文本事件之间是否存在因果关系。然而，ECI任务忽略了关键的事件结构和因果关系组件信息
-
发表了文章 2023-08-02
RCEE: Event Extraction as Machine Reading Comprehension 论文解读
事件提取(Event extraction, EE)是一项重要的信息提取任务，旨在提取文本中的事件信息。以前的EE方法通常将其建模为分类任务，这些任务需要大量数据，并且存在数据稀缺问题。在本文中，我们提出了一种新的EE学习范式，将其明确地转换为机器阅读理解问题(MRC)。
-
发表了文章 2023-08-02
DualCor: Event Causality Extraction with Event Argument Correlations论文解读
事件因果关系识别(ECI)是事件因果关系理解的重要任务，其目的是检测两个给定文本事件之间是否存在因果关系。然而，ECI任务忽略了关键的事件结构和因果关系组件信息
-
发表了文章 2023-08-02
GTEE-DYNPREF: Dynamic Prefix-Tuning for Generative Template-based Event Extraction 论文解读
我们以基于模板的条件生成的生成方式考虑事件抽取。尽管将事件抽取任务转换为带有提示的序列生成问题的趋势正在上升，但这些基于生成的方法存在两个重大挑战
-
发表了文章 2023-08-02
DocEE:一种用于文档级事件抽取的大规模细粒度基准 论文解读
事件抽取旨在识别一个事件，然后抽取参与该事件的论元。尽管在句子级事件抽取方面取得了巨大的成功，但事件更自然地以文档的形式呈现，事件论元分散在多个句子中。
-
发表了文章 2023-08-02
【论文速递】ACL 2021-CLEVE: 事件抽取的对比预训练
事件抽取(EE)通过微调从预训练的语言模型(PLMs)中受益匪浅。然而，现有的预训练方法没有涉及事件特征的建模，导致所开发的EE模型不能充分利用大规模无监督数据。
-
发表了文章 2023-08-02
CLEVE：事件抽取的对比预训练
事件抽取(EE)通过微调从预训练的语言模型(PLMs)中受益匪浅。然而，现有的预训练方法没有涉及事件特征的建模，导致所开发的EE模型不能充分利用大规模无监督数据。
-
发表了文章 2023-08-02
【论文速递】ACL 2021-CasEE: 一种用于重叠事件抽取的级联解码联合学习框架
【论文原文】：A Joint Learning Framework with Cascade Decoding for Overlapping Event Extraction
-
发表了文章 2023-08-02
CasEE： 一种用于重叠事件抽取的级联解码联合学习框架 论文解读
事件抽取(Event extraction, EE)是一项重要的信息抽取任务，旨在抽取文本中的事件信息。现有方法大多假设事件出现在句子中没有重叠，这不适用于复杂的重叠事件抽取。
-
发表了文章 2023-08-02
Data2Vec：视觉、语音和语言的语境化目标表征的高效自监督学习
目前的自监督学习算法通常是特定模态的，需要大量的计算资源。为了解决这些问题，我们提高了data2vec的训练效率，这是一个跨越多种模式的学习目标
-
发表了文章 2023-08-02
RoFormer: Enhanced Transformer with Rotary Position Embedding论文解读
位置编码最近在transformer架构中显示出了有效性。它为序列中不同位置的元素之间的依赖建模提供了有价值的监督。
-
发表了文章 2023-08-02
【论文速递】NAACL2022-DEGREE: 一种基于生成的数据高效事件抽取模型
事件抽取需要专家进行高质量的人工标注，这通常很昂贵。因此，学习一个仅用少数标记示例就能训练的数据高效事件抽取模型已成为一个至关重要的挑战。
-
发表了文章 2023-08-02
DEGREE: A Data-Efficient Generation-Based Event Extraction Model论文解读
事件抽取需要专家进行高质量的人工标注，这通常很昂贵。因此，学习一个仅用少数标记示例就能训练的数据高效事件抽取模型已成为一个至关重要的挑战。
-
发表了文章 2023-08-02
DeIT:Training data-efficient image transformers & distillation through attention论文解读
最近，基于注意力的神经网络被证明可以解决图像理解任务，如图像分类。这些高性能的vision transformer使用大量的计算资源来预训练了数亿张图像，从而限制了它们的应用。
-
发表了文章 2023-08-02
BEIT: BERT Pre-Training of Image Transformers论文解读
本文介绍了一种自监督视觉表示模型BEIT，即图像transformer的双向编码器表示。继自然语言处理领域开发的BERT之后
-
发表了文章 2023-08-02
TSAR: A Two-Stream AMR-enhanced Model for Document-level Event Argument Extraction论文解读
以往的研究大多致力于从单个句子中抽取事件，而文档级别的事件抽取仍未得到充分的研究。在本文中，我们专注于从整个文档中抽取事件论元
-
发表了文章 2023-08-02
【论文速递】NAACL2022- 文档级事件论元抽取的双流AMR增强模型
以往的研究大多致力于从单个句子中抽取事件，而文档级别的事件抽取仍未得到充分的研究。在本文中，我们专注于从整个文档中抽取事件论元
-
发表了文章 2023-08-02
判断两棵树是否完全一致
给你两棵二叉树的根节点 p 和 q ，编写一个函数来检验这两棵树是否相同。
-
发表了文章 2023-08-02
Segmenter论文解读
图像分割通常在单个图像patch的级别上是模糊的，并且需要上下文信息来达成标签共识。本文介绍了一种用于语义分割的transformer模型——segmenter。
-
发表了文章 2023-08-02
SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers论文解读
我们提出了SegFormer，一个简单，高效而强大的语义分割框架，它将transformer与轻量级多层感知器(MLP)解码器统一起来。
-
发表了文章 2023-08-02
Swin-Unet: Unet-like Pure Transformer for Medical Image Segmentation论文解读
在过去的几年中，卷积神经网络(CNN)在医学图像分析方面取得了里程碑式的进展。特别是基于U型结构和跳跃连接的深度神经网络在各种医学图像任务中得到了广泛的应用。
-
发表了文章 2023-08-02
UPerNet：Unified Perceptual Parsing for Scene Understanding论文解读
人类在多个层面上识别视觉世界:我们毫不费力地对场景进行分类并检测内部物体，同时还识别物体的纹理和表面及其不同的组成部分。
-
发表了文章 2023-08-02
NAACL2021 AMR-IE: Abstract Meaning Representation Guided Graph Encoding and Decoding for Joint IE
富语义解析的任务，如抽象语义表示(AMR)，与信息抽取(IE)具有相似的目标，即将自然语言文本转换为结构化的语义表示。为了利用这种相似性
-
发表了文章 2023-08-02
Swin Transformer Hierarchical Vision Transformer using Shifted Windows论文解读
本文提出了一种新的Vision Transformer，称为Swin Transformer，它能够作为计算机视觉的通用骨干网络。将Transformer从语言转化为视觉的挑战来自于两个领域之间的差异
-
发表了文章 2023-08-02
ViT(Version Transformer)原始论文解读
虽然Transformer体系结构已经成为自然语言处理任务的事实上的标准，但它在计算机视觉方面的应用仍然有限。在视觉上，注意力要么与卷积网络结合应用
-
发表了文章 2023-08-02
FourIE：基于图卷积网络的跨任务实例表征交互和标签依赖的联合信息抽取模型
现有的信息抽取(IE)工作主要是分别解决四个主要任务(实体提及识别、关系抽取、事件触发词检测和论元抽取)，无法从任务之间的相互依赖中获益。
-
发表了文章 2023-08-02
GraphIE：通过建模实例间和标签间依赖性联合抽取实体、关系和事件 论文解读
事件触发词检测、实体提及识别、事件论元抽取和关系抽取是信息抽取中的四个重要任务，它们被联合执行(联合信息抽取- JointIE)，以避免错误传播并利用任务实例之间的依赖关系
-
发表了文章 2023-08-01
SimCSE: Simple Contrastive Learning of Sentence Embeddings论文解读
本文介绍了SimCSE，一个简单的对比学习框架，极大地推进了最先进的句子嵌入。我们首先描述了一种无监督方法，该方法采用一个输入句子，并在一个对比目标中预测自己
-
发表了文章 2023-08-01
sklearn.metrics中micro和macro的区别
先看以下示例，区分micro和macro的区别，这里直接调用sklearn封装好的接口
-
发表了文章 2023-08-01
OneIE：A Joint Neural Model for Information Extraction with Global Features论文解读
大多数现有的用于信息抽取(IE)的联合神经网络模型使用局部任务特定的分类器来预测单个实例(例如，触发词，关系)的标签，而不管它们之间的交互。
-
发表了文章 2023-08-01
Efficient Zero-shot Event Extraction with Context-Definition Alignment论文解读
事件抽取（EE）是从文本中识别感兴趣的事件提及的任务。传统的工作主要以监督的方式为主。然而，这些监督的模型不能概括为预定义本体之外的事件类型。
-
发表了文章 2023-08-01
优化cv2.findContours()函数提取的目标边界点，使语义分割进行远监督辅助标注
可以看到cv2.findContours()函数可以将目标的所有边界点都进行导出来，但是他的点存在一个问题，太过密集，如果我们想将语义分割的结果重新导出成labelme格式的json文件进行修正时，这就会存在点太密集没有办法进行修改，这里展示一个示例：没有对导出的结果进行修正，在labelme中的效果图。
-
发表了文章 2023-08-01
MEE: A Novel Multilingual Event Extraction Dataset 论文解读
事件抽取（EE）是信息抽取（IE）的基本任务之一，旨在从文本中识别事件提及及其论点（即参与者）。由于其重要性，已经为事件抽取开发了广泛的方法和资源。
-
发表了文章 2023-08-01
Event Extraction by Answering (Almost) Natural Questions论文解读
事件抽取问题需要检测事件触发词并抽取其相应的论元。事件论元抽取中的现有工作通常严重依赖于作为预处理/并发步骤的实体识别，这导致了众所周知的错误传播问题。
-
发表了文章 2023-08-01
Retrieval-Augmented Generative Question Answering for Event Argument Extraction论元解读
长期以来，事件论元抽取一直被研究为基于抽取的方法的序列预测问题，孤立地处理每个论元。尽管最近的工作提出了基于生成的方法来捕获交叉论元依赖性，但它们需要生成和后处理复杂的目标序列（模板）。
-
发表了文章 2023-08-01
MAVEN-ERE一个新的事件关系检测数据集
真实世界事件之间的各种关系，包括共指、时间、因果和子事件关系，是理解自然语言的基础。
-
发表了文章 2023-08-01
Speech Emotion Recognition With Local-Global aware Deep Representation Learning论文解读
语音情感识别（SER）通过从语音信号中推断人的情绪和情感状态，在改善人与机器之间的交互方面发挥着至关重要的作用。尽管最近的工作主要集中于从手工制作的特征中挖掘时空信息，但我们探索如何从动态时间尺度中建模语音情绪的时间模式。
-
发表了文章 2023-08-01
TPLinker: Single-stage Joint Extraction of Entities and Relations Through Token Pair Linking 论文解读
近年来，从非结构化文本中提取实体和关系引起了越来越多的关注，但由于识别共享实体的重叠关系存在内在困难，因此仍然具有挑战性。先前的研究表明，联合学习可以显著提高性能。然而，它们通常涉及连续的相互关联的步骤，并存在暴露偏差的问题。
-
发表了文章 2023-08-01
cv2.fillPoly的大坑
在labelme标注图像后，想将其json文件转化为png的图像，我们这里使用cv2.fillPoly()进行转化，但是遇到了一个巨坑
-
发表了文章 2023-08-01
DCFEE： A Document-level Chinese Financial Event Extraction System based on Automatically Labeled论文解读
我们提出了一个事件抽取框架，目的是从文档级财经新闻中抽取事件和事件提及。到目前为止，基于监督学习范式的方法在公共数据集中获得了最高的性能（如ACE 2005、KBP 2015）。这些方法严重依赖于人工标注的训练数据。
-
发表了文章 2023-08-01
PTPCG: Efficient Document-level Event Extraction via Pseudo-Trigger-aware Pruned Complete Graph论文解读
据我们所知，我们目前的方法是第一项研究在DEE中使用某些论元作为伪触发词的效果的工作，我们设计了一个指标来帮助自动选择一组伪触发词。此外，这种度量也可用于度量DEE中带标注触发词的质量。
-
发表了文章 2023-08-01
Doc2EDAG: An End-to-End Document-level Framework for Chinese Financial Event Extraction论文解读
大多数现有的事件抽取（EE）方法只提取句子范围内的事件论元。然而，此类句子级事件抽取方法难以处理来自新兴应用程序（如金融、立法、卫生等）的大量文件
-
发表了文章
2023-08-03
C++sokcet网络编程笔记
-
发表了文章
2023-08-03
C++设计模式笔记
-
发表了文章
2023-08-03
C++多线程实现
-
发表了文章
2023-08-03
C++绑定器和函数对象
-
发表了文章
2023-08-03
C++实现MySQL数据库连接池
-
发表了文章
2023-08-03
C/C++封装：Windows/Linux下封装.lib/.so文件
-
发表了文章
2023-08-03
C/C++实现高并发http服务器
-
发表了文章
2023-08-03
C/C++服务器和客户端交互笔记
-
发表了文章
2023-08-03
ACL2023 - An AMR-based Link Prediction Approach for Document-level Event Argument Extraction
-
发表了文章
2023-08-03
ACL2023 - AMPERE: AMR-Aware Prefix for Generation-Based Event Argument Extraction Model
-
发表了文章
2023-08-03
ACL2022 Document-Level Event Argument Extraction via Optimal Transport
-
发表了文章
2023-08-02
ubuntu下安装transition_amr_parser
-
发表了文章
2023-08-02
CoreNLP server的开启与使用方法
-
发表了文章
2023-08-02
One SPRING to Rule Them Both Symmetric AMR Semantic Parsing and Generation without Complex Pipeline
-
发表了文章
2023-08-02
python日志保存与打印
-
发表了文章
2023-08-02
ACL 2022：Graph Pre-training for AMR Parsing and Generation
-
发表了文章
2023-08-02
ACL 2019 - AMR Parsing as Sequence-to-Graph Transduction
-
发表了文章
2023-08-02
TASLP21-Reinforcement Learning-based Dialogue Guided Event Extraction to Exploit Argument Relations
-
发表了文章
2023-08-02
HiCLRE: A Hierarchical Contrastive Learning Framework for Distantly Supervised Relation Extraction
-
发表了文章
2023-08-02
ACL2022：A Simple yet Effective Relation Information Guided Approach for Few-Shot Relation Extraction
