随笔分类 - A---Paper Reading
摘要：Recognizing Implicit Discourse Relations via Repeated Reading: Neural Networks with Multi-Level Attention 实际上，在不同的篇章标注框架下，存在着多个具有内在联系的语料库。 为了利用不同篇章语料库
阅读全文
摘要：Recognizing Implicit Discourse Relations via Repeated Reading: Neural Networks with Multi-Level Attention（2016） Motivation 为了模仿 重复阅读策略，我们提出了Neural Net
阅读全文
摘要：Motivation 数据稀疏问题、缺乏衡量单词对语义关系的指标。 distributed word representations处理数据稀疏问题有优势，深度学习模型在文本语义匹配上取得进展。 使用 word embeddings 作为输入 Gate relevance network捕捉单词对之
阅读全文
摘要：学习笔记1 学习笔记2 RoBERTa: A Robustly Optimized BERT Pretraining Approach（一种鲁棒优化的 BERT预训练方法） 细读，半天 Motivation 目前自训练方法例如Elmo，GPT，Bert，XLNet在NLP领域取得了很不错的成绩，但是
阅读全文
摘要：Shallow Convolutional Neural Network for Implicit Discourse Relation Recognition 略读，科普，1h Motivation 浅层卷积神经网络进行隐式篇章关系识别，浅层结构减轻了过拟合问题，而卷积和非线性操作有助于保持我们的
阅读全文
摘要：Towards Cross-Domain PDTB-Style Discourse Parsing（2014） 走向跨域的PDTB式篇章分析，1h，速读 Motivation Discourse Relation Parsing是为了理解句子边界以外的文本。 文献表明，篇章连接词检测 和 篇章关系s
阅读全文
摘要：PDTB-style Discourse Annotation of Chinese Text（2012） 1h，科普 Activation 描述了一个汉语语篇标注方案，采用了词汇基础法（受PDTB启发）； 同时，它根据中文文本的语言和统计特征进行改编。 提供了一个更广阔的视角，来研究 广义词汇基础
阅读全文
摘要：Motivation 提出了在 XML语言格式下，PDTB2.0的转换和统一。转换后语料 允许在 XQuery标准上 同时 搜索语法指定的 篇章信息。 解决问题 Conversion into XML PTB XML：XMLization of syntactic structures PDTB X
阅读全文
摘要：https://www.zhihu.com/question/337886108/answer/770243956 https://yiyibooks.cn/yiyibooks/Attention_Is_All_You_Need/index.html Abstract 模型在质量上更优越，并行性更好
阅读全文
摘要：A PDTB-Styled End-to-End Discourse Parser（2010年） 科普，快速浏览，1h 1 Abstract 开发了一个full discourse parser in PDTB style。 这个训练的解析器：首先识别所有的篇章和非篇章关系，定位 并 标记 他们的论
阅读全文
摘要：Automatic sense prediction for implicit discourse relations in text（文本中隐含篇章关系的自动sense预测）（2009） 2009年，科普，快速看 Abstract(摘要) 提出了一系列 自动识别 隐含篇章关系 sense 的实验。
阅读全文
摘要：Easily Identifiable Discourse Relations(易于识别的篇章关系) 2008年，科普，快速看 Abstract(摘要) 提出基于PDTB研究，PDTB是一个人工标注的大型语料库，包含显式或隐式实现的contingency, comparison, temporal，
阅读全文
摘要：2020.9 - 2010.20 篇章关系分析研究综述 The Penn Discourse TreeBank 2.0 PDTB3-Annotation-Manual BERT: Pre-training of Deep Bidirectional Transformers for Language
阅读全文
摘要：https://fitlog.readthedocs.io/zh/latest/user/quickstart.html https://fitlog.readthedocs.io/zh/latest/fitlog.html
阅读全文
摘要：1. Introduction PDTB是基于一个简单的想法，即，篇章关系是建立在一组可识别的单词或短语（篇章连接词）或仅仅是在两个句子的邻接中。 本手册首先总结了PDTB-3中的新功能以及它与PDTB-2中的不同之处。 需要注意的是，PDTB-3中的每个token都标有其 出处，表明它是PDTB-
阅读全文
摘要：摘要 1. 引言（Introduction） 2. Annotation of Discourse Relations and their Arguments 显示连接词 Arg1论元位置，范围跨度都大 隐式连接词 阅读上下文来推断 AltLex、EntRel、NoRel用于不能提供隐含连接词的情况
阅读全文
摘要：参考文章 Three-pass method 关键：阅读这篇论文三次，而不是一开始就开始，把你的路耕到最后。 1. 第一次阅读 第一次：给你一个大致的想法关于这篇论文（5-10分钟） 仔细阅读 标题（title），摘要（abstract），和引言（introduction） 阅读章节（section
阅读全文
摘要：0. 摘要 1. 引言 （1）有利于篇章文本结构化 （2）具有广泛的应用价值 篇章的因果关系：用于自动问答和事件关系抽取； 对比关系：用于研究情感分析； 扩展关系：用于自动文摘和篇章关键词抽取。 另外，在机器翻译中也得到广泛应用。 2. 语料资源 RSTDT、PDTB、HIT-CDTB RSTDT、
阅读全文
