Trouble.._社区达人页

2023年08月

• 08.03 08:46:48
  发表了文章 2023-08-03 08:46:48

  C++sokcet网络编程笔记

  网络介质层：将模拟信号转化成数字信号，会形成一个MAC地址（本机地址，一般情况下不会变化）。百兆宽带用4根线，千兆宽带用8根线进行传输。
• 08.03 08:37:45
  发表了文章 2023-08-03 08:37:45

  C++设计模式笔记

  核心思想：从高层次角度讲，人们处理复杂性有一个通用的技术，及抽象。由于不能掌握全部的复杂对象，选择护士他的非本质细节，而去处理泛化和理想化的对象模型。
• 08.03 08:31:33
  发表了文章 2023-08-03 08:31:33

  C++多线程实现

  C++11支持语言级别的多线程编程，可以跨平台运行，支持windows/linux/mac等。
• 08.03 08:28:51
  发表了文章 2023-08-03 08:28:51

  C++绑定器和函数对象

  band1st和band2nd本身还是一个函数对象。
• 08.03 08:25:23
  发表了文章 2023-08-03 08:25:23

  C++实现MySQL数据库连接池

  为了提升MySQL数据库（基于C/S设计（客户端-服务器））的访问瓶颈，除了在服务器端增加缓冲服务器缓存常用的数据之外
• 08.03 08:18:15
  发表了文章 2023-08-03 08:18:15

  C/C++封装：Windows/Linux下封装.lib/.so文件

  这里提供了两个C/C++中服务器与客户端之间通讯的两个程序，程序中封装了通信之间的函数方法，我们以这个程序为例进行封装。
• 08.03 08:13:38
  发表了文章 2023-08-03 08:13:38

  C/C++实现高并发http服务器

  请求方法有：GET、POST等。URL：请求地址。协议版本：HTTP的版本。
• 08.03 07:57:09
  发表了文章 2023-08-03 07:57:09

  C/C++服务器和客户端交互笔记

  Socket通信三要素：通信的目的地址、使用的端口号（http 80 / smtp 25）、使用的传输协议（TCP、UDP）。
• 08.03 07:51:26
  发表了文章 2023-08-03 07:51:26

  ACL2023 - An AMR-based Link Prediction Approach for Document-level Event Argument Extraction

  最近的工作引入了用于文档级事件论元提取（文档级EAE）的抽象语义表示（AMR），因为AMR提供了对复杂语义结构的有用解释，并有助于捕获长距离依赖关系
• 08.03 07:44:43
  发表了文章 2023-08-03 07:44:43

  ACL2023 - AMPERE: AMR-Aware Prefix for Generation-Based Event Argument Extraction Model

  事件论元抽取（EAE）识别给定事件的事件论元及其特定角色。最近在基于生成的EAE模型方面取得的进展显示出了与基于分类的模型相比的良好性能和可推广性
• 08.03 07:39:54
  发表了文章 2023-08-03 07:39:54

  ACL2022 Document-Level Event Argument Extraction via Optimal Transport

  事件论元抽取（EAE）是事件抽取的子任务之一，旨在识别每个实体在特定事件触发词中的作用。尽管先前的工作在句子级EAE方面取得了成功，但对文档级的探索较少。
• 08.02 22:17:42
  发表了文章 2023-08-02 22:17:42

  ubuntu下安装transition_amr_parser

  transition_amr_parser是IBM公司开源的AMR paraing和AMR text-to-generation工具，在NLP领域中经常会用到，但是这个安装过程中可能会存在很多坑

  
• 08.02 22:15:45
  发表了文章 2023-08-02 22:15:45

  CoreNLP server的开启与使用方法

  Ubuntu20.04.2系统本身不含有JDK，而CoreNLP需要依赖JDK进行运行，所以需要先安装好JDK，可以输入java，然后系统会自动提示没有安装JDK，并会推荐安装的版本
• 08.02 22:13:54
  发表了文章 2023-08-02 22:13:54

  One SPRING to Rule Them Both Symmetric AMR Semantic Parsing and Generation without Complex Pipeline

  在文本到AMR解析中，当前最先进的语义解析器集成了几个不同模块或组件的繁琐管道，并利用图重新分类，即在训练集的基础上开发的一组特定内容的启发式方法。
• 08.02 22:09:29
  发表了文章 2023-08-02 22:09:29

  python日志保存与打印

  在日常深度学习中，经常会将日志信息打印在控制台，但是由于打印的信息太多或者终端关闭后就无法查看具体的日志信息
• 08.02 22:08:30
  发表了文章 2023-08-02 22:08:30

  ACL 2022：Graph Pre-training for AMR Parsing and Generation

  抽象语义表示（AMR）以图形结构突出文本的核心语义信息。最近，预训练语言模型（PLM）分别具有AMR解析和AMR到文本生成的高级任务。
• 08.02 22:03:23
  发表了文章 2023-08-02 22:03:23

  ACL 2019 - AMR Parsing as Sequence-to-Graph Transduction

  我们提出了一个基于注意力的模型，将AMR解析视为序列到图的转导。与大多数依赖于预训练的对齐器、外部语义资源或数据扩充的AMR解析器不同

  
• 08.02 21:55:53
  发表了文章 2023-08-02 21:55:53

  TASLP21-Reinforcement Learning-based Dialogue Guided Event Extraction to Exploit Argument Relations

  事件抽取是自然语言处理的一项基本任务。找到事件论元（如事件参与者）的角色对于事件抽取至关重要。
• 08.02 21:46:57
  发表了文章 2023-08-02 21:46:57

  HiCLRE: A Hierarchical Contrastive Learning Framework for Distantly Supervised Relation Extraction

  远程监督假设任何包含相同实体对的句子都反映了相同的关系。先前的远程监督关系抽取（DSRE）任务通常独立地关注sentence-level或bag-level去噪技术
• 08.02 21:41:35
  发表了文章 2023-08-02 21:41:35

  ACL2022：A Simple yet Effective Relation Information Guided Approach for Few-Shot Relation Extraction

  少样本关系提取旨在通过在每个关系中使用几个标记的例子进行训练来预测句子中一对实体的关系。最近的一些工作引入了关系信息
• 08.02 21:37:27
  发表了文章 2023-08-02 21:37:27

  深入理解二分类和多分类CrossEntropy Loss和Focal Loss

  多分类交叉熵就是对二分类交叉熵的扩展，在计算公式中和二分类稍微有些许区别，但是还是比较容易理解
• 08.02 21:30:29
  发表了文章 2023-08-02 21:30:29

  ModuleNotFoundError: No module named ‘mmcv._ext‘

  最近想将mmsegmentation打包成exe进行使用，但是遇到了一个问题，在打包的过程中不会显示报错信息，但是在执行exe程序之后，exe会出现ModuleNotFoundError: No module named 'mmcv._ext'的报错，导致软件崩溃。
• 08.02 21:29:08
  发表了文章 2023-08-02 21:29:08

  【论文精读】ISBI 2022 - Retinal Vessel Segmentation with Pixel-wise Adaptive Filters

  由于视网膜血管的纹理复杂和成像对比度低，导致精确的视网膜血管分割具有挑战性。以前的方法通常通过级联多个深度网络来细化分割结果
• 08.02 21:23:18
  发表了文章 2023-08-02 21:23:18

  【论文精读】AAAI 2022 - OneRel Joint Entity and Relation Extraction with One Module in One Step

  联合实体和关系提取是自然语言处理和知识图构建中的一项重要任务。现有的方法通常将联合提取任务分解为几个基本模块或处理步骤，以使其易于执行
• 08.02 21:10:47
  发表了文章 2023-08-02 21:10:47

  【论文精读】TNNLS 2022 - 基于深度学习的事件抽取研究综述

  事件抽取是从海量文本数据中快速获取事件信息的一项重要研究任务。随着深度学习的快速发展，基于深度学习技术的事件抽取已成为研究热点。文献中提出了许多方法、数据集和评估指标，这增加全面更新调研的需求。
• 08.02 20:55:32
  发表了文章 2023-08-02 20:55:32

  【论文精读】AAAI 2022 - Unified Named Entity Recognition as Word-Word Relation Classification

  到目前为止，命名实体识别（NER）已经涉及三种主要类型，包括扁平、重叠（又名嵌套）和不连续NER，它们大多是单独研究的。

  
• 08.02 20:38:16
  发表了文章 2023-08-02 20:38:16

  【论文精读】Arxiv 2023 - Segment Anything

  我们介绍了Segment Anything (SA)项目:一个用于图像分割的新任务、模型和数据集。在数据收集循环中使用我们的高效模型，我们构建了迄今为止(到目前为止)最大的分割数据集，在1100万张授权的图像上拥有超过10亿个掩码。
• 08.02 20:28:54
  发表了文章 2023-08-02 20:28:54

  torch.gather()原理讲解，并结合BERT分词的实际应用

  在阅读OneIE代码时，突然看到一段代码十分精妙，用来预测BERT等预训练语言模型在使用tokenizer进行分词时
• 08.02 20:25:00
  发表了文章 2023-08-02 20:25:00

  【论文精读】COLING 2022 - CLIO: Role-interactive Multi-event Head Attention Network for DEE

  将网络上的大量非结构化文本转换为结构化事件知识是NLP的一个关键但尚未解决的目标，特别是在处理文档级文本时。
• 08.02 20:12:37
  发表了文章 2023-08-02 20:12:37

  X-GEAR:Multilingual Generative Language Models for Zero-Shot Cross-Lingual Event Argument Extraction

  我们提出了一项利用多语言预训练生成语言模型进行零样本跨语言事件论元抽取(EAE)的研究。通过将EAE定义为语言生成任务，我们的方法有效地编码事件结构并捕获论元之间的依赖关系。
• 08.02 20:06:46
  发表了文章 2023-08-02 20:06:46

  【论文精读】COLING 2022 - DESED: Dialogue-based Explanation for Sentence-level Event Detection

  最近许多句子级事件检测的工作都集中在丰富句子语义上，例如通过多任务或基于提示的学习。尽管效果非常好，但这些方法通常依赖于标签广泛的人工标注
• 08.02 19:57:50
  发表了文章 2023-08-02 19:57:50

  【论文精读】COLING 2022 -Event Detection with Dual Relational Graph Attention Networks

  图神经网络(Scarselli et al, 2009)已被广泛用于编码事件检测的依赖树，因为它们可以基于信息聚合方案有效地捕获相关信息(Cao et al, 2021)。
• 08.02 19:46:51
  发表了文章 2023-08-02 19:46:51

  【论文速递】ACL 2022 - Prompt for Extraction? PAIE: Prompting Argument Interaction for Event Argument Extr

  在本文中，我们提出了一个既有效又高效的模型PAIE，用于句子级和文档级的事件论元抽取(EAE)，即使在缺乏训练数据的情况下也能很好地泛化。一方面，PAIE利用抽取目标的提示调优，以充分利用预训练语言模型(PLMs)的优势。
• 08.02 19:43:13
  发表了文章 2023-08-02 19:43:13

  python第三方库torchnlp安装大坑

  报错很奇怪，为啥我安装的是torchnlp，出现了没有匹配版本的torch。为此，我开始在网上寻找解决方法，竟然发现在没有人遇到这个错误？？？顿时觉得amazing，难道只有我安装不成功
• 08.02 18:59:11
  发表了文章 2023-08-02 18:59:11

  【论文精读】COLING 2022-KiPT: Knowledge-injected Prompt Tuning for Event Detection

  事件检测旨在通过识别和分类事件触发词(最具代表性的单词)来从文本中检测事件。现有的大部分工作严重依赖复杂的下游网络，需要足够的训练数据。

  
• 08.02 18:48:42
  发表了文章 2023-08-02 18:48:42

  【论文速递】COLING 2022 - 联合语言语义和结构嵌入用于知识图补全

  补全知识三元组的任务具有广泛的下游应用。结构信息和语义信息在知识图补全中都起着重要作用。与以往依赖知识图谱的结构或语义的方法不同
• 08.02 18:44:18
  发表了文章 2023-08-02 18:44:18

  【论文速递】ACL 2022 - 查询和抽取：将事件抽取细化为面向类型的二元解码

  事件抽取通常被建模为一个多分类问题，其中事件类型和论元角色被视为原子符号。这些方法通常仅限于一组预定义的类型。
• 08.02 18:41:16
  发表了文章 2023-08-02 18:41:16

  【论文速递】COLING 2022 - OneEE: 一种用于重叠和嵌套事件抽取的单阶段框架

  事件抽取(EE)是信息抽取的基本任务，旨在从非结构化文本中抽取结构化事件信息。大多数先前的工作集中于抽取平面事件，而忽略了重叠或嵌套的事件。
• 08.02 18:37:54
  发表了文章 2023-08-02 18:37:54

  UnifiedEAE: A Multi-Format Transfer Learning Model for Event Argument Extraction via Variational论文解读

  事件论元抽取(Event argument extraction, EAE)旨在从文本中抽取具有特定角色的论元，在自然语言处理中已被广泛研究。
• 08.02 18:31:05
  发表了文章 2023-08-02 18:31:05

  OneEE: A One-Stage Framework for Fast Overlapping and Nested Event Extraction 论文解读

  事件抽取(EE)是信息抽取的基本任务，旨在从非结构化文本中抽取结构化事件信息。大多数先前的工作集中于抽取平面事件，而忽略了重叠或嵌套的事件。
• 08.02 18:24:25
  发表了文章 2023-08-02 18:24:25

  Saliency as Evidence: Event Detection with Trigger Saliency Attribution 论文解读

  事件检测(ED)是事件抽取的关键子任务，它试图识别文本中特定类型的事件触发词。尽管ED取得了重大进展，但现有方法通常遵循“一个模型适合所有类型”的方法，这种方法认为事件类型之间没有差异，通常会导致相当倾斜的性能。
• 08.02 18:18:26
  发表了文章 2023-08-02 18:18:26

  Query and Extract Refining Event Extraction as Type-oriented Binary Decoding 论文解读

  事件抽取通常被建模为一个多分类问题，其中事件类型和论元角色被视为原子符号。这些方法通常仅限于一组预定义的类型。
• 08.02 18:10:39
  发表了文章 2023-08-02 18:10:39

  Prompt for Extraction? PAIE: Prompting Argument Interaction for Event Argument Extraction 论文解读

  在本文中，我们提出了一个既有效又高效的模型PAIE，用于句子级和文档级的事件论元抽取(EAE)，即使在缺乏训练数据的情况下也能很好地泛化。
• 08.02 17:59:55
  发表了文章 2023-08-02 17:59:55

  UIE: Unified Structure Generation for Universal Information Extraction 论文解读

  信息提取受到其不同目标、异构结构和特定需求模式的影响。本文提出了一个统一的文本到结构生成框架，即UIE，该框架可以对不同的IE任务进行统一建模，自适应生成目标结构
• 08.02 17:43:13
  发表了文章 2023-08-02 17:43:13

  LASS: Joint Language Semantic and Structure Embedding for Knowledge Graph Completion 论文解读

  补全知识三元组的任务具有广泛的下游应用。结构信息和语义信息在知识图补全中都起着重要作用。与以往依赖知识图谱的结构或语义的方法不同
• 08.02 17:31:28
  发表了文章 2023-08-02 17:31:28

  【论文速递】ACM MM 2022 - 基于统一对比学习框架的新闻多媒体事件抽取

  从新闻中提取事件在下游应用程序中有很多好处。然而，今天的事件提取（EE）系统通常专注于单一的模态——无论是文本还是图像
• 08.02 17:28:33
  发表了文章 2023-08-02 17:28:33

  【论文速递】CVPR 2020 - CLIP-Event：用事件结构连接文本和图像

  视觉-语言(V+L)预训练模型通过理解图像和文本之间的对齐关系，在支持多媒体应用方面取得了巨大的成功。
• 08.02 16:56:07
  发表了文章 2023-08-02 16:56:07

  【论文速递】ACL 2020 - 多媒体事件抽取的跨媒体结构化公共空间

  我们介绍了一个新的任务，多媒体事件抽取(M2E2)，旨在从多媒体文档中抽取事件及其参数。我们开发了第一个基准测试
• 08.02 16:51:00
  发表了文章 2023-08-02 16:51:00

  【论文速递】ACL 2020 - 一种用于关系三元组抽取的级联二元标记框架

  从非结构化文本中抽取关系三元组对于大规模知识图构建至关重要。然而，现有的工作很少能解决重叠三元组问题，即同一句子中的多个关系三元组共享相同的实体。
• 08.02 16:47:08
  发表了文章 2023-08-02 16:47:08

  SS-AGA：Multilingual Knowledge Graph Completion with Self-Supervised Adaptive Graph Alignment 论文解读

  预测知识图（KG）中缺失的事实是至关重要的，因为现代知识图远未补全。由于劳动密集型的人类标签，当处理以各种语言表示的知识时，这种现象会恶化。