摘要：
Introduction Challenge 1:常见词、歧义词和代词在事件中的频繁使用使它们更难被发现 Challenge 2:基于神经网络的方法受到更多来自虚假特征的影响，在这里，虚假特征被指定为与事件在语义上类似的潜在信息，但实际上并非如此 实验设置与结果 数据集：ACE2005，TAC KB 阅读全文
摘要：
背景 Challenge 1: 很难从孤立的句子中识别事件，因为同一个事件触发器可能在不同的上下文中表示不同的事件类型。 Challenge 2: 文档级信息对于ED也很重要，因为同一文档中的句子虽然可能包含不同类型的事件，但往往与文档的主题相关。 Challenge 3: 基于特征的方法有两大局限 阅读全文
摘要：
简介 1. 事件检测 事件检测（ED）的目的是检测事件触发器（通常是在实例中引发事件的单词或短语），然后识别它们的特定事件类型。 + 特征工程，如token级特征和结构化特征。 + 神经网络模型，将文本语义信息直接嵌入到低维空间中，基于这些特征向量检测事件触发器，采用有监督学习的方法对人类标注数据进 阅读全文
摘要：
摘要 目前用于事件检测的神经网络模型只考虑句子的序列表示。尽管句法表征提供了一种有效的机制，可以将单词直接链接到其信息上下文中，以便在句子中检测事件，但在这一领域还没有得到研究。 本文研究了一种 基于依赖树的卷积神经网络 进行事件检测。提出了一种新的 基于实体提及的卷积向量聚合方法 。大量的实验证明 阅读全文
摘要：
实验参数设置和数据集 数据集：ACE2005 选取了可以与之前的工作进行比较的训练集、开发集、测试集. 超参数设置 + word embedding size：300 + 预训练词向量： 用skip gram在NYT上训练 (Follow Chen et al. 2015 and Feng et a 阅读全文
摘要：
1. Extending Event Detection to New Types with Learning from Keywords EMNLP会议，作者为Viet Dac Lai and Thien Huu Nguyen Traditional event detection classif 阅读全文
摘要：
```python import tensorflow as tf 创建一个变量, 初始化为标量 0. state = tf.Variable(0, name="counter") 创建一个 op, 其作用是使 state 增加 1 one = tf.constant(1) new_value = 阅读全文
摘要：
```python import tensorflow as tf 创建一个常量 op, 产生一个 1x2 矩阵. 这个 op 被作为一个节点 加到默认图中. 构造器的返回值代表该常量 op 的返回值. matrix1 = tf.constant([[3., 3.]]) 创建另外一个常量 op, 产 阅读全文