据Hainmueller T 2018年6月6日(Nature,2018 Jun 6.doi:10.1038/s41586-018-0191-2.)报道,德国弗莱堡大学的科学家们通过研究开发出了一种新型模型来解释大脑如何储存一些"有形事件"(tangible events)的记忆。这种模型的开发主...据Hainmueller T 2018年6月6日(Nature,2018 Jun 6.doi:10.1038/s41586-018-0191-2.)报道,德国弗莱堡大学的科学家们通过研究开发出了一种新型模型来解释大脑如何储存一些"有形事件"(tangible events)的记忆。这种模型的开发主要基于一项实验,在实验中研究人员将小鼠置于虚拟环境中让其寻找一个可以获得奖励的地方。实验方法如下。展开更多
关系抽取是信息获取中一项关键技术。句子结构树能够捕获单词之间的长距离依赖关系,已被广泛用于关系抽取任务中。但是,现有方法存在过度依赖句子结构树本身信息而忽略外部信息的不足。本文提出一种新型的图神经网络模型,即注意力图长...关系抽取是信息获取中一项关键技术。句子结构树能够捕获单词之间的长距离依赖关系,已被广泛用于关系抽取任务中。但是,现有方法存在过度依赖句子结构树本身信息而忽略外部信息的不足。本文提出一种新型的图神经网络模型,即注意力图长短时记忆神经网络(attention graph long short term memory neural network,AGLSTM)。该模型采用一种软修剪策略自动学习对关系抽取有用的句子结构信息;通过引入注意力机制,结合句法图信息学习句子的结构特征;并设计一种新型的图长短时记忆神经网络,使得模型能够更好地融合句法图信息和句子的时序信息。与10种典型的关系抽取方法进行对比,实验验证了该模型的优异性能。展开更多
文摘据Hainmueller T 2018年6月6日(Nature,2018 Jun 6.doi:10.1038/s41586-018-0191-2.)报道,德国弗莱堡大学的科学家们通过研究开发出了一种新型模型来解释大脑如何储存一些"有形事件"(tangible events)的记忆。这种模型的开发主要基于一项实验,在实验中研究人员将小鼠置于虚拟环境中让其寻找一个可以获得奖励的地方。实验方法如下。
文摘关系抽取是信息获取中一项关键技术。句子结构树能够捕获单词之间的长距离依赖关系,已被广泛用于关系抽取任务中。但是,现有方法存在过度依赖句子结构树本身信息而忽略外部信息的不足。本文提出一种新型的图神经网络模型,即注意力图长短时记忆神经网络(attention graph long short term memory neural network,AGLSTM)。该模型采用一种软修剪策略自动学习对关系抽取有用的句子结构信息;通过引入注意力机制,结合句法图信息学习句子的结构特征;并设计一种新型的图长短时记忆神经网络,使得模型能够更好地融合句法图信息和句子的时序信息。与10种典型的关系抽取方法进行对比,实验验证了该模型的优异性能。