检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

3 篇 会议

馆藏范围

3 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

2 篇 工学
- 2 篇 计算机科学与技术...
- 2 篇 软件工程

主题

1 篇 graph neural net...
1 篇 semantics

机构

1 篇 lisn université ...
1 篇 surromind korea ...
1 篇 seoul national u...
1 篇 ls2n umr cnrs 60...

作者

1 篇 heo yu-jung
1 篇 morin emmanuel
1 篇 punitan dharani
1 篇 zhang byoung-tak
1 篇 hamon thierry
1 篇 choi woo suk
1 篇 bouhandi merieme

语言

3 篇 英文

检索条件"任意字段=2nd Workshop on Deep Learning on Graphs for Natural Language Processing, DLG4NLP 2022"

共 3 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

dlg4nlp 2022 - 2nd workshop on deep learning on graphs for natural language processing, Proceedings of the workshop

DLG4NLP 2022 - 2nd Workshop on Deep Learning on Graphs for N...

引用

2nd workshop on deep learning on graphs for natural language processing, dlg4nlp 2022

ISBN: (纸本)9781955917704

The proceedings contain 8 papers. The topics discussed include: diversifying content generation for commonsense reasoning with mixture of knowledge graph experts;improving neural machine translation with the abstract meaning representation by combining graph and sequence transformers;continuous temporal graph networks for event-based graph data;scene graph parsing via abstract meaning representation in pre-trained language models;graph neural networks for adapting off-the-shelf general domain language models to low-resource specialized domains;GraDA: graph generative data augmentation for commonsense reasoning;LiGCN: label-interpretable graph convolutional networks for multi-label text classification;and explicit graph reasoning fusing knowledge and contextual information for multi-hop question answering.

关键词：

来源：评论

学校读者我要写书评

暂无评论

Graph Neural Networks for Adapting Off-the-shelf General Domain language Models to Low-Resource Specialised Domains 2

Graph Neural Networks for Adapting Off-the-shelf General Dom...

引用

2nd workshop on deep learning on graphs for natural language processing, dlg4nlp 2022

作者： Bouhandi, Merieme Morin, Emmanuel Hamon, Thierry LS2N UMR CNRS 6004 Nantes Université Nantes France LISN Université Paris-Saclay Université Sorbonne Paris Nord France

ISBN: (纸本)9781955917704

language models encode linguistic proprieties and are used as input for more specific models. Using their word representations as-is for specialised and low-resource domains might be less efficient. Methods of adapting them exist, but these models often overlook global information about how words, terms, and concepts relate to each other in a corpus due to their strong reliance on attention. We consider that global information can influence the results of the downstream tasks, and combination with contextual information is performed using graph convolution networks or GCN built on vocabulary graphs. By outperforming baselines, we show that this architecture is profitable for domain-specific tasks. © 2022 Association for Computational Linguistics.

关键词： Graph neural networks

来源：评论

学校读者我要写书评

暂无评论

Scene Graph Parsing via Abstract Meaning Representation in Pre-trained language Models 2

Scene Graph Parsing via Abstract Meaning Representation in P...

引用

2nd workshop on deep learning on graphs for natural language processing, dlg4nlp 2022

作者： Choi, Woo Suk Heo, Yu-Jung Punitan, Dharani Zhang, Byoung-Tak Seoul National University Korea Republic of Seoul National University Korea Republic of Surromind Korea Republic of

ISBN: (纸本)9781955917704

In this work, we propose the application of abstract meaning representation (AMR) based semantic parsing models to parse textual descriptions of a visual scene into scene graphs, which is the first work to the best of our knowledge. Previous works examined scene graph parsing from textual descriptions using dependency parsing and left the AMR parsing approach as future work since sophisticated methods are required to apply AMR. Hence, we use pre-trained AMR parsing models to parse the region descriptions of visual scenes (i.e. images) into AMR graphs and pre-trained language models (PLM), BART and T5, to parse AMR graphs into scene graphs. The experimental results show that our approach explicitly captures high-level semantics from textual descriptions of visual scenes, such as objects, attributes of objects, and relationships between objects. Our textual scene graph parsing approach outperforms the previous state-of-the-art results by 9.3% in the SPICE metric score. © 2022 Association for Computational Linguistics.

关键词： Semantics

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：