0
点赞
收藏
分享

微信扫一扫

历史最全事件抽取任务分类、经典论文、模型及数据集整理分享




历史最全事件抽取任务分类、经典论文、模型及数据集整理分享_深度学习


事件抽取技术是从非结构化信息中抽取出用户感兴趣的事件,并以结构化呈现给用户。事件抽取任务可分解为4个子任务: 触发词识别、事件类型分类、论元识别和角色分类任务。其中,触发词识别和事件类型分类可合并成事件识别任务。事件识别判断句子中的每个单词归属的事件类型,是一个基于单词的多分类任务。论元识别和角色分类可合并成论元角色分类任务。角色分类任务则是一个基于词对的多分类任务,判断句子中任意一对触发词和实体之间的角色关系。

本资源对近年来事件抽取方法总结,包括中文事件抽取、开放域事件抽取、事件数据生成、跨语言事件抽取、小样本事件抽取、零样本事件抽取等类型,DMCNN、FramNet、DLRNN、DBRNN、GCN、DAG-GRU、JMEE、PLMEE等方法。

资源整理自网络,资源获取见源地址:

https://github.com/xiaoqian19940510/Event-Extraction

目录


历史最全事件抽取任务分类、经典论文、模型及数据集整理分享_人工智能_02


论文列表


历史最全事件抽取任务分类、经典论文、模型及数据集整理分享_深度学习_03


历史最全事件抽取任务分类、经典论文、模型及数据集整理分享_深度学习_04


历史最全事件抽取任务分类、经典论文、模型及数据集整理分享_数据集_05


举报

相关推荐

0 条评论