NYSDY
I just want to be a bit closer to the best.
《OK Google, What Is Your Ontology? Or/ Exploring Freebase Classification to Understand Google’s Knowledge Graph?》阅读笔记 《OK Google, What Is Your Ontology? Or/ Exploring Freebase Classification to Understand Google’s Knowledge Graph?》阅读笔记
本论文详细阐述Freebase中的数据格式,并进行了重构。通过考虑整体架构的三个部分:Freebase类型系统及其缺乏继承和依赖于不兼容性
《An Automatic Knowledge Graph Construction System for K-12 Education》阅读笔记 《An Automatic Knowledge Graph Construction System for K-12 Education》阅读笔记
论文原址。本篇文章主要提出了一个自动化构建数学领域知识图谱的系统,主要应用的事NER和数据挖掘技术,其中NER主要是抽取数学概念,概念间的
《Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation》阅读笔记 《Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation》阅读笔记
原文链接。该论文是Sequence to Sequence学习的最早原型,论文中提出一种崭新的RNN(GRU) Encoder-Decod
《Differentiating Concepts and Instances for Knowledge Graph Embedding》阅读笔记 《Differentiating Concepts and Instances for Knowledge Graph Embedding》阅读笔记
论文获取地址。这篇文章最大的亮点就是把concept映射为一个球面,然后把instance映射为一个向量,通过这种空间关系来进行embed
A Discourse-Level Named Entity Recognition and Relation Extraction Dataset for Chinese Literature Text 阅读笔记 A Discourse-Level Named Entity Recognition and Relation Extraction Dataset for Chinese Literature Text 阅读笔记
该论文最主要的贡献就是这个数据,数据集地址。论文中提到的标标签过程也是一个创新点,运用了启发式和机器辅助标标签,这样可以提高准确度并减少标
《Bidirectional LSTM-CRF Models for Sequence Tagging》阅读笔记 《Bidirectional LSTM-CRF Models for Sequence Tagging》阅读笔记
这篇论文可以作为一个RNN和LSTM学习的一个例子来看,有利于新手对LSTM的理解。对于NER的处理主要是作为一个序列标注问题。但是作为经
CN-DBpedia A Never-Ending Chinese Knowledge Extraction SystemCN-DBpedia System CN-DBpedia A Never-Ending Chinese Knowledge Extraction SystemCN-DBpedia System
前言 本篇论文为2016年的一篇论文,主要介绍了作者构建中文知识图谱所遇到的一些问题和解决方法。 challenge 如何降低人力成本?
Ontology reasoning with deep neural networks Ontology reasoning with deep neural networks
Ontology reasoning with deep neural networks(基于深度神经网络的本体推理)前言 本论文属于知识图
4 / 4