歷史最全事件抽取任務分類、經典論文、模型及資料集整理分享
作者:由 深度學習於NLP 發表于 攝影時間:2021-05-22
事件抽取技術是從非結構化資訊中抽取出使用者感興趣的事件,並以結構化呈現給使用者。事件抽取任務可分解為4個子任務: 觸發詞識別、事件型別分類、論元識別和角色分類任務。其中,觸發詞識別和事件型別分類可合併成事件識別任務。事件識別判斷句子中的每個單詞歸屬的事件型別,是一個基於單詞的多分類任務。論元識別和角色分類可合併成論元角色分類任務。角色分類任務則是一個基於詞對的多分類任務,判斷句子中任意一對觸發詞和實體之間的角色關係。
本資源對近年來事件抽取方法總結,包括中文事件抽取、開放域事件抽取、事件資料生成、跨語言事件抽取、小樣本事件抽取、零樣本事件抽取等型別,DMCNN、FramNet、DLRNN、DBRNN、GCN、DAG-GRU、JMEE、PLMEE等方法。
資源整理自網路,資源獲取見源地址:
https://
github。com/xiaoqian1994
0510/Event-Extraction
目錄
論文列表
往期精品內容推薦
沒有專案經驗,可以拿這個練手
2020年至今-NN SLAM各領域必讀的最新研究論文整理分享
谷歌雲系統構建新書-《構建、實現和維護穩定且安全雲系統的最佳方案》免費分享
MIT-IBM AI 實驗室模型視覺化工具-exBERT
知識圖譜(KG)儲存、視覺化、公開資料集、圖計算、圖程式設計工具分享
2020年最新深度學習模型、策略整理及實現彙總分享
零樣本或少樣本相關論文、資料集、程式碼、資源整理分享
11月新書-《強化學習:演算法與理論》分享