专栏首页程序生活NAACL 2021 上的图神经网络好文

NAACL 2021 上的图神经网络好文

NAACL 2021

  1. Cross-Task Instance Representation Interactions and Label Dependencies for Joint Information Extraction with Graph Convolutional Networks. Minh Van Nguyen, Viet Lai and Thien Huu Nguyen. NAACL 2021 [pdf] 基于GCN进行实体表示与信息抽取的联合任务学习

image

  1. Abstract Meaning Representation Guided Graph Encoding and Decoding for Joint Information Extraction. Zixuan Zhang and Heng Ji. NAACL 2021 [pdf]

image

  1. Event Time Extraction and Propagation via Graph Attention Networks. Haoyang Wen, Yanru Qu, Heng Ji, Qiang Ning, Jiawei Han, Avi Sil, Hanghang Tong and Dan Roth. NAACL 2021 [pdf] 基于Graph Attention Networks的事件时间抽取

image

  1. SGL: Speaking the Graph Languages of Semantic Parsing via Multilingual Translation. Luigi Procopio, Rocco Tripodi and Roberto Navigli. NAACL 2021 [pdf] 基于Gaph描述的依存句法解析

image

  1. Neural Language Modeling for Contextualized Temporal Graph Generation. Aman Madaan and Yiming Yang. NAACL 2021 [pdf] 基于时序Graph的语言模型,可以用于Graph生成

image

  1. Probabilistic Box Embeddings for Uncertain Knowledge Graph Reasoning. Xuelu Chen, Michael Boratko, Muhao Chen, Shib Sankar Dasgupta, Xiang Lorraine Li and Andrew McCallum. NAACL 2021 [pdf]
  2. MTAG: Modal-Temporal Attention Graph for Unaligned Human Multimodal Language Sequences. Jianing Yang, Yongxin Wang, Ruitao Yi, Yuying Zhu, Azaan Rehman, Amir Zadeh, Soujanya Poria and Louis-Philippe Morency. NAACL 2021 [pdf]
  3. Incorporating Syntax and Semantics in Coreference Resolution with Heterogeneous Graph Attention Network. Fan Jiang and Trevor Cohn. NAACL 2021 [pdf]
  4. Counterfactual Supporting Facts Extraction for Explainable Medical Record Based Diagnosis with Graph Network. Haoran Wu, Wei Chen, Shuang Xu and Bo Xu. NAACL 2021 [pdf]
  5. Generating An Optimal Interview Question Plan Using A Knowledge Graph And Integer Linear Programming. Soham Datta, Prabir Mallick, Sangameshwar Patil, Indrajit Bhattacharya and Girish Palshikar. NAACL 2021 [pdf]
  6. Heterogeneous Graph Neural Networks for Concept Prerequisite Relation Learning in Educational Data. Chenghao Jia, Yongliang Shen, Yechun Tang, Lu Sun and Weiming Lu. NAACL 2021 [pdf]
  7. Highly Efficient Knowledge Graph Embedding Learning with Orthogonal Procrustes Analysis. Xutan Peng, Guanyi Chen, Chenghua Lin and Mark Stevenson. NAACL 2021 [pdf]
  8. Temporal Knowledge Graph Completion using a Linear Temporal Regularizer and Multivector Embeddings. Chengjin Xu, Yung-Yu Chen, Mojtaba Nayyeri and Jens Lehmann. NAACL 2021 [pdf]
  9. Edge: Enriching Knowledge Graph Embeddings with External Text. Saed Rezayi, Handong Zhao, Sungchul Kim, Ryan Rossi, Nedim Lipka and Sheng Li. NAACL 2021 [pdf]
  10. Graph Ensemble Learning over Multiple Dependency Trees for Aspect-level Sentiment Classification. Xiaochen Hou, Peng Qi, Guangtao Wang, Rex Ying, Jing Huang, Xiaodong He and Bowen Zhou. NAACL 2021 [pdf]
  11. Aspect-based Sentiment Analysis with Type-aware Graph Convolutional Networks and Layer Ensemble. Yuanhe Tian, Guimin Chen and Yan Song. NAACL 2021 [pdf]
  12. Graph Convolutional Networks for Event Causality Identification with Rich Document-level Structures. Minh Tran Phu and Thien Huu Nguyen. NAACL 2021 [pdf]
  13. Knowledge Graph Based Synthetic Corpus Generation for Knowledge-Enhanced Language Model Pre-training. Oshin Agarwal, Heming Ge, Siamak Shakeri and Rami Al-Rfou. NAACL 2021 [pdf]
  14. Inductive Topic Variational Graph Auto-Encoder for Text Classification. Qianqian Xie, Jimin Huang, Pan Du, Min Peng and Jian-Yun Nie. NAACL 2021 [pdf]
  15. Efficiently Summarizing Text and Graph Encodings of Multi-Document Clusters. Ramakanth Pasunuru, Mengwen Liu, Mohit Bansal, Sujith Ravi and Markus Dreyer. NAACL 2021 [pdf]

聚类文档的表示学习

  1. Modeling Human Mental States with an Entity-based Narrative Graph. I-Ta Lee, Maria Leonor Pacheco and Dan Goldwasser. NAACL 2021 [pdf]
  2. ShadowGNN: Graph Projection Neural Network for Text-to-SQL Parser. Zhi Chen, Lu Chen, Yanbin Zhao, Ruisheng Cao, Zihan Xu, Su Zhu and Kai Yu. NAACL 2021 [pdf]
  3. RTFE: A Recursive Temporal Fact Embedding Framework for Temporal Knowledge Graph Completion. Youri Xu, Haihong E, Meina Song, Wenyu Song, Xiaodong Lv, Wang Haotian and Yang Jinrui. NAACL 2021 [pdf]
  4. Breadth First Reasoning Graph for Multi-hop Question Answering. Yongjie Huang and Meng Yang. NAACL 2021 [pdf]
  5. Improving Zero-Shot Cross-lingual Transfer for Multilingual Question Answering over Knowledge Graph. Yucheng Zhou, Xiubo Geng, Tao Shen, Wenqiang Zhang and Daxin Jiang. NAACL 2021 [pdf] 26 . DAGN: Discourse-Aware Graph Network for Logical Reasoning. Yinya Huang, Meng Fang, Yu Cao, Liwei Wang and Xiaodan Liang. NAACL 2021 [pdf]

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • [直播回放&PPT] KDD & OGB 图神经网络竞赛:赛题解读,新手包,榜一经验

    KDD联合OGB等一众大佬(见下图)组织了KDD Cup 2021, 这是一场关于大规模图机器学习的竞赛。

    Houye
  • [直播] KDD & OGB 图神经网络竞赛:赛题解读,新手包,榜一经验

    KDD联合OGB等一众大佬(见下图)组织了KDD Cup 2021, 这是一场关于大规模图机器学习的竞赛。

    Houye
  • 图神经网络14-TextGCN:基于图神经网络的文本分类

    论文题目:Graph Convolutional Networks for Text Classification 论文地址:https://arxiv.or...

    致Great
  • 大会 | 自然语言处理顶会NAACL 2018最佳论文、时间检验论文揭晓

    AI 科技评论按:ACL、EMNLP、NAACL - HLT、COLING 是 NLP 领域的四大顶会。前三者都由 ACL(Association of Com...

    AI科技评论
  • 图神经网络(01)-图与图学习(上)

    图(graph)近来正逐渐变成机器学习的一大核心领域,在开始PGL框架学习之前,我们先简单学习一下图论的基本概念,图论的经典算法,以及近些年来图学习的发展。

    致Great
  • ICDE 2021 | 可微图神经网络架构搜索

    近年来GNN (Graph Neural Network)受到了很大的关注,越来越多GNN方法应用在节点分类(node classification)[1],推...

    AI科技评论
  • NAACL 2019最佳论文:量子概率驱动的神经网络(附代码&文献)

    今天要介绍的文章与当前大火的 BERT 同获最佳论文,摘得 NAACL 2019 最佳可解释NLP论文(Best Explainable NLP Paper)。...

    数据派THU
  • 今天谈谈COLING2018计算语言学进展

    7.25号的时候,陪余南师兄去参加了COLING2018预讲会中科院自动化所现场。

    zenRRan
  • 2018 NAACL语言学习建模竞赛:英语组冠军先声教育展望自适应学习技术

    雷锋网 AI 研习社按:第十六届北美计算语言学会议 NAACL 于 6 月初在美国路易斯安那州的新奥尔良召开。NAACL 是自然语言处理与计算语言学领域的顶级学...

    AI研习社
  • 文本也有攻防战:清华大学开源对抗样本必读论文列表

    自然语言处理方面的研究在近几年取得了惊人的进步,深度神经网络模型已经取代了许多传统的方法。但是,当前提出的许多自然语言处理模型并不能够反映文本的多样特征。因此,...

    机器之心
  • 京东AI科学家5篇论文被自然语言处理顶级会议NAACL录用,自然语言生成课题取得重要突破

    京东技术
  • 史上最好记的神经网络结构速记表(上)

    翻译 / 陈俊雅 校对 / 李傲 整理 / 雷锋字幕组 本文提供了神经网络结构速查表,盘点了神经网络的大量框架,并绘制了直观示意图进行说明,是人手必备的神经网络...

    AI研习社
  • 动态 | 2018 NAACL语言学习建模竞赛:英语组冠军先声教育展望自适应学习技术

    2018 NAACL语言学习建模竞赛对自适应学习技术的进步有巨大意义,AI 科技评论特邀秦龙博士,与他交流了大赛中的自适应领域最新研究成果。

    AI科技评论
  • “推荐系统”加上“图神经网络”

    SIGIR'19的一篇论文Neural Graph Collaborative Filtering(NGCF)介绍了用图神经网络(GNN)来增强协同过滤推荐系统...

    张小磊
  • 【QA论文笔记】问答对排序新方法,层次循环编码器与主题聚类结合

    WZEARW
  • 图神经网络的图聚类 (CS)

    图神经网络(GNN)已经在许多图分析任务上取得了最前沿的进展,如节点分类和链接预测。然而,事实证明,图中重要的无监督问题,如图的聚类,限制着GNN的进一步发展。...

    DDDDDaemon
  • 图神经网络上的统一的彩票假设

    GNN的花式研究越来越多了~ 本来读了这篇后想写一下, 发现AI in Graph的小伙伴已经写的挺好了~

    Houye
  • 光芯片上的神经网络

    公众号的第一篇笔记基于硅光芯片的深度学习 介绍了MIT研究组在硅光芯片上实现机器学习的实验进展。一年多之后,7月份以来又有好几篇相关的进展报道。这一篇笔记主要深...

    光学小豆芽
  • 卷积神经网络对图片分类-上

    我们来看看在图像处理领域如何使用卷积神经网络来对图片进行分类。 1 让计算机做图片分类: 图片分类就是输入一张图片,输出该图片对应的类别(狗,猫,船,鸟),或者...

    刀刀老高

扫码关注云+社区

领取腾讯云代金券