Lecture1
数据驱动方法不足->需要加入常识信息->知识图谱的应用
把知识图谱映射到一个低维向量,三元组作为一组三向量的和
E1和E2之间有关系R1,则E1+R1=E2,使用这样的向量表示
数据缺失->数据构造->远程监督方法->引入了噪声
事件抽取->和摘要有点相似,尤其是我之前看的ESLN图
新的关系的发掘,现有的方法还是在做分类,那么怎么发掘新的关系
在旧的关系上学习新的关系,怎么保证旧的关系没有被忘记?使用复习再巩固机制->类比增量pretrain策略
更加细粒度的NER->不但识别实体,还要预测种类->使用外部知识加强,实体联结
预训练策略加强->在预训练的时候加上实体联结,实体识别任务->ERNIE Model
实体介绍的协同学习->利用实体的介绍,类似于词典的释义,做协同学习