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