神经关系抽取旨在利用神经网络模型进行关系抽取。近年来,神经关系抽取已经在关系抽取任务上取得了 SOTA 的效果。神经关系抽取模型具有强大的编码能力和拟合能力, 能够自动抽取特征进行学习。但是目前还没有工作系统地分析过神经关系模型所依赖的特征对模型效果的影响。
本期 AI Drive,我们邀请到清华大学计算机系本科生彭皓,为大家解读其发表于 EMNLP 2020 的最新工作。对本期主题感兴趣的小伙伴,11 月 19日(周四)晚 7 点,我们准时相约 PaperWeekly B 站直播间。
直播信息
论文标题:
Learning from Context or Names? An Empirical Study on Neural Relation Extraction
代码和数据:
https://github.com/thunlp/RE-Context-or-Names
论文链接:
https://arxiv.org/abs/2010.01923
嘉宾介绍
彭皓 / 清华大学计算机系本科生
直播地址 & 交流群
本次直播将在 PaperWeekly B 站直播间进行,扫描下方海报二维码或点击阅读原文即可免费观看。线上分享结束后,嘉宾还将在直播交流群内实时 QA,在 PaperWeekly 微信公众号后台回复「AI Drive」,即可获取入群通道。
B 站直播间:
合作伙伴
🔍
现在,在「知乎」也能找到我们了
进入知乎首页搜索「PaperWeekly」
点击「关注」订阅我们的专栏吧
关于PaperWeekly
PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域,欢迎在公众号后台点击「交流群」,小助手将把你带入 PaperWeekly 的交流群里。