Trouble.._社区达人页

2023年08月

• 08.02 16:31:00
  发表了文章 2023-08-02 16:31:00

  DEPPN：Document-level Event Extraction via Parallel Prediction Networks 论文解读

  当在整个文档中描述事件时，文档级事件抽取（DEE）是必不可少的。我们认为，句子级抽取器不适合DEE任务，其中事件论元总是分散在句子中

  
• 08.02 16:15:24
  发表了文章 2023-08-02 16:15:24

  Multimedia Event Extraction From News With a Unified Contrastive Learning Framework论文解读

  从新闻中提取事件在下游应用程序中有很多好处。然而，今天的事件提取（EE）系统通常专注于单一的模态——无论是文本还是图像
• 08.02 15:49:50
  发表了文章 2023-08-02 15:49:50

  CLIP-Event: Connecting Text and Images with Event Structures 论文解读

  视觉-语言(V+L)预训练模型通过理解图像和文本之间的对齐关系，在支持多媒体应用方面取得了巨大的成功。
• 08.02 15:32:11
  发表了文章 2023-08-02 15:32:11

  MUSIED: A Benchmark for Event Detection from Multi-Source Heterogeneous Informal Texts 论文解读

  事件检测（ED）从非结构化文本中识别和分类事件触发词，作为信息抽取的基本任务。尽管在过去几年中取得了显著进展
• 08.02 15:29:27
  发表了文章 2023-08-02 15:29:27

  RolePred: Open-Vocabulary Argument Role Prediction for Event Extraction 论文解读

  事件抽取中的论元角色是指事件和参与事件的论元之间的关系。尽管事件抽取取得了巨大进展，但现有研究仍然依赖于领域专家预定义的角色。
• 08.02 15:24:37
  发表了文章 2023-08-02 15:24:37

  CasRel：A Novel Cascade Binary Tagging Framework for Relational Triple Extraction 论文解读

  从非结构化文本中抽取关系三元组对于大规模知识图构建至关重要。然而，现有的工作很少能解决重叠三元组问题，即同一句子中的多个关系三元组共享相同的实体。
• 08.02 15:12:10
  发表了文章 2023-08-02 15:12:10

  M2E2: Cross-media Structured Common Space for Multimedia Event Extraction 论文解读

  我们介绍了一个新的任务，多媒体事件抽取(M2E2)，旨在从多媒体文档中抽取事件及其参数。我们开发了第一个基准测试
• 08.02 14:53:37
  发表了文章 2023-08-02 14:53:37

  【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
• 08.02 14:49:41
  发表了文章 2023-08-02 14:49:41

  【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。
• 08.02 14:45:20
  发表了文章 2023-08-02 14:45:20

  【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。
• 08.02 14:42:34
  发表了文章 2023-08-02 14:42:34

  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
• 08.02 14:27:57
  发表了文章 2023-08-02 14:27:57

  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。
• 08.02 14:26:19
  发表了文章 2023-08-02 14:26:19

  Global Constraints with Prompting for Zero-Shot Event Argument Classification 论文解读

  确定事件论元的角色是事件抽取的关键子任务。大多数以前的监督模型都利用了昂贵的标注，这对于开放域应用程序是不实际的。
• 08.02 14:23:22
  发表了文章 2023-08-02 14:23:22

  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。
• 08.02 14:07:22
  发表了文章 2023-08-02 14:07:22

  EventGraph：Event Extraction as Semantic Graph Parsing 论文解读

  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。
• 08.02 14:03:45
  发表了文章 2023-08-02 14:03:45

  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。
• 08.02 13:57:52
  发表了文章 2023-08-02 13:57:52

  【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
• 08.02 13:54:35
  发表了文章 2023-08-02 13:54:35

  【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
• 08.02 13:22:03
  发表了文章 2023-08-02 13:22:03

  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)。
• 08.02 13:10:48
  发表了文章 2023-08-02 13:10:48

  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
• 08.02 12:57:56
  发表了文章 2023-08-02 12:57:56

  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
• 08.02 12:38:31
  发表了文章 2023-08-02 12:38:31

  Document-Level event Extraction via human-like reading process 论文解读

  文档级事件抽取(DEE)特别困难，因为它提出了两个挑战:论元分散和多事件。第一个挑战意味着一个事件记录的论元可能存在于文档中的不同句子中
• 08.02 12:28:34
  发表了文章 2023-08-02 12:28:34

  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。
• 08.02 12:22:54
  发表了文章 2023-08-02 12:22:54

  【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。
• 08.02 12:19:28
  发表了文章 2023-08-02 12:19:28

  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。
• 08.02 12:03:53
  发表了文章 2023-08-02 12:03:53

  【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
• 08.02 12:01:22
  发表了文章 2023-08-02 12:01:22

  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。
• 08.02 11:45:24
  发表了文章 2023-08-02 11:45:24

  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
• 08.02 11:36:30
  发表了文章 2023-08-02 11:36:30

  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。
• 08.02 11:15:08
  发表了文章 2023-08-02 11:15:08

  【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。
• 08.02 11:12:19
  发表了文章 2023-08-02 11:12:19

  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。
• 08.02 11:05:33
  发表了文章 2023-08-02 11:05:33

  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。
• 08.02 10:52:36
  发表了文章 2023-08-02 10:52:36

  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
• 08.02 10:42:06
  发表了文章 2023-08-02 10:42:06

  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
• 08.02 10:27:08
  发表了文章 2023-08-02 10:27:08

  【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
• 08.02 10:23:43
  发表了文章 2023-08-02 10:23:43

  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。
• 08.02 10:22:17
  发表了文章 2023-08-02 10:22:17

  数据结构：反转链表

  这是一个很简单的题，我们可以定义一个先前结点pre和当前结点cur，将当前结点cur的后继结点设置为先前结点pre，对链表进行遍历一遍就好了。
• 08.02 10:20:15
  发表了文章 2023-08-02 10:20:15

  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。
• 08.02 10:13:31
  发表了文章 2023-08-02 10:13:31

  无重复子集问题求解

  给你一个整数数组 nums ，其中可能包含重复元素，请你返回该数组所有可能的子集（幂集）。
• 08.02 10:12:06
  发表了文章 2023-08-02 10:12:06

  合并两个有序数组

  给你两个按 非递减顺序 排列的整数数组 nums1 和 nums2，另有两个整数 m 和 n ，分别表示 nums1 和 nums2 中的元素数目。
• 08.02 10:10:17
  发表了文章 2023-08-02 10:10:17

  使用双链表来分隔原始链表

  给你一个链表的头节点 head 和一个特定值 x ，请你对链表进行分隔，使得所有 小于 x 的节点都出现在 大于或等于 x 的节点之前。
• 08.02 10:08:47
  发表了文章 2023-08-02 10:08:47

  删除排序链表中的重复元素

  给定一个已排序的链表的头 head ， 删除原始链表中所有重复数字的节点，只留下不同的数字 。返回 已排序的链表 。
• 08.02 10:06:57
  发表了文章 2023-08-02 10:06:57

  字符矩阵内单词搜索

  单词必须按照字母顺序，通过相邻的单元格内的字母构成，其中“相邻”单元格是那些水平相邻或垂直相邻的单元格。同一个单元格内的字母不允许被重复使用。
• 08.02 10:04:15
  发表了文章 2023-08-02 10:04:15

  计算一个数组的子集

  给你一个整数数组 nums ，数组中的元素 互不相同 。返回该数组所有可能的子集（幂集）。
• 08.02 09:56:57
  发表了文章 2023-08-02 09:56:57

  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。
• 08.02 09:42:17
  发表了文章 2023-08-02 09:42:17

  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。
• 08.02 09:34:40
  发表了文章 2023-08-02 09:34:40

  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。
• 08.02 09:29:48
  发表了文章 2023-08-02 09:29:48

  TABs(Type Abstraction，类型抽象)：Open Relation and Event Type Discovery with Type Abstraction论文解读

  传统的“封闭世界”信息提取(IE)方法依赖于人类本体来定义抽取范围。因此，当应用到新的领域时，这种方法就不适用了。这就要求系统能够从给定的语料库中自动推断出新的类型
• 08.02 09:16:43
  发表了文章 2023-08-02 09:16:43

  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
• 08.02 08:59:16
  发表了文章 2023-08-02 08:59:16

  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