介绍 英文题目：CBLUE: A Chinese Biomedical Language Understanding Evaluation 中文题目：CBLUE：中文生物医学语言理解评价基准 论文地址：https://arxiv.org/pdf/2106.08087.pdf 领域：自然语言处理，知识图谱 发表时间：2021 年 作者：Ningyu Zhang，医渡云、平安医疗科技、阿里夸克、鹏城实验室、北京大学、哈尔滨工业大学 (深圳）、同济大学、郑州大学等共同协办 出处：ACL（自然语言处理顶级会议） 被引量：3 数据：https://tianchi.aliyun.com/dataset/dataDetail?dataId=95414 (需要提交申请) 代码：https://github.com/CBLUEbenchmark/CBLUE 阅读时间：2022.05.09 读后感 训练和评测数据非常全面，还可以在天池打榜。 介绍 之前生物医学方面数据以英文为主，本文收集了真实世界的生物医学数据，提出了第一个中文生物医学语言理解评估标准 CBLUE。其内容覆盖命名实体识别，知识抽取，诊断标 ...

读后感 文中的一个重要思想是：认为被对齐的图中的知识都是不完备的，所以在图间对齐时，主要对齐对些能齐上的，忽略那些对不上的；同时结构了自注意力模型，对不同关系分配不同权重。 多类型实体的图对齐 _CGMuAlign 英文题目：Collective Multi-type Entity Alignment Between Knowledge Graphs 中文题目：基于知识图的集合多类型实体对齐 论文地址：https://assets.amazon.science/ff/7a/b96282984a0fbe5e31a8fcf68d17/scipub-1202.pdf 领域：知识图谱，实体对齐 发表时间：2020 年 作者：Qi Zhu，伊利诺伊大学，亚马逊 出处：the web conference 被引量：17 代码和数据：https://github.com/GentleZhu/CG-MuAlign 阅读时间：2022.04.25 介绍 实体对齐的目标是识别不同图中的同一实体。不同的图在建构的时候由于目标不同，各有偏重。比如图 -1 中的左右两张图： Pasted image 202 ...

1 介绍 英文题目：Pre-Training with Whole Word Masking for Chinese BERT 中文题目：中文 BERT 的全词掩码预训练 论文地址：https://arxiv.org/pdf/1906.08101.pdf 领域：自然语言处理 发表时间：2019 作者：Yiming Cui，社会计算和信息检索研究中心，哈工大，讯飞 出处：第二届“讯飞杯”中文机器阅读理解评测，CMRC 2018 被引量：255 代码和数据：https://github.com/ymcui/Chinese-BERT-wwm 阅读时间：2022.05.10 2 读后感 中文和英文不同，一般通过词而非字来表意，而分词也有难度，BERT 以字单位建模，这样损失了词义。文中将之前用于英文的全词 MASK 方法应用于中文，文中没什么公式，原理也简单，但对中文确实是一个重要的方法，该模型也被广泛使用。 3 介绍 BERT(2019) 利用 Transformer，未标注的数据，综合上下文信息，使模型达到很好效果，之后，BERT 的作者又提出升级版 WWM，它利用全词 MASK 进一步提 ...

实战 _ 用 TF/IDF 算法对比相似度 原理 TF/IDF 方法于 1983 年题出，它先计算每个单词出现的频率，然后适当归一化。利用 TF-IDF 方法将任意长度的文档缩减为固定长度的数字列表，然后对比文本相似度，gensim 工具包提供该方法。 简单复习一下具体算法： 词频 TF \[ tf_{i,j}=\frac{n_{i,j}}{\sum_kn_{k,j}} \] 其中 n 是句中词，i 是词的索引号，j 是文章索引号，k 是文章中所有词，上式计算的是词 i 在本篇出现的比率。请注意：在短文本的情况下，绝大多数词只出现一次，tf 就只和文章长短有关了。 逆向文档频率 IDF \[ idf_{i}=log \frac{|D|}{|j:t_i\in d_j|} \] 其中分母是文章总数，分子是包含词 i 的文章数。 TF/IDF \[ tfidf_{i,j}=tf_{i,j} \times idf_{i} \] tfidf 值反映的是每个词在文档中的重要程度。请注意：这是一种基于计数的方法，不直接使用词义。 该算法的优点在于算法简单，计算量小；而缺点在于无法处理对同一概念的不同 ...

论文阅读 _ 中文医学预训练模型 _MC-BERT 介绍 英文题目：Conceptualized Representation Learning for Chinese Biomedical Text Mining 中文题目：中文生物医学文本挖掘中的概念化表征学习 论文地址：https://arxiv.org/pdf/2008.10813.pdf 领域：自然语言处理，知识抽取 发表时间：2020 作者：Ningyu Zhang，阿里巴巴 被引量：14 代码和数据：https://github.com/alibaba-research/ChineseBLUE 模型下载：https://drive.google.com/open?id=1ccXRvaeox5XCNP_aSk_ttLBY695Erlok 阅读时间：2022.05.07 我的收获 获得了现成可用的医学 BERT 模型，以及大量带标注的数据集。 针对问题 医疗数据集与普通数据集分布不同，医疗词汇的长尾分布也很难从普通语料中学习，中文的词和短语更复杂一些。需要训练一个类似 BERT 的针对医疗的中文预训练模型。 本文贡献 提出了 ...

介绍 英文题目：Inductive Representation Learning on Large Graphs 中文题目：基于大图的归纳表示学习 论文地址：https://arxiv.org/abs/1706.02216 领域：知识图谱，知识表征 发表时间：2017 作者：William L. Hamilton，斯坦福大学 出处：NIPS 被引量：2398 代码和数据：https://github.com/williamleif/GraphSAGE，pyg 和 dgl 均有对该方法的支持 阅读时间：2022.05.03 读后感 学习大图、不断扩展的图，未见过节点的表征，是一个很常见的应用场景。GraphSAGE 通过训练聚合函数，实现优化未知节点的表示方法。之后提出的 GAN（图注意力网络）也针对此问题优化。 文中提出了：传导性问题和归纳性问题，传导性问题是已知全图情况，计算节点表征向量；归纳性问题是在不完全了解全图的情况下，训练节点的表征函数（不是直接计算向量表示）。 图工具的处理过程每轮迭代（一次 propagation）一般都包含：收集信息、聚合、更新，从本文也可以更好地理解 ...

介绍 12345678910英文题目：GRAPH ATTENTION NETWORKS中文题目：图注意力网络论文地址：https://export.arxiv.org/pdf/1710.10903.pdf领域：知识图谱，知识表示发表时间：2018 年作者：Petar Veliˇckovi ́c，剑桥大学出处：深度学习顶会 ICLR被引量：1000代码和数据：https://github.com/PetarV-/GAT阅读时间：2022.04.25 读后感 简介部分复习了当时主流做法的演进过程，是很好的导读，其中 GNN（基于 RNN），GCN（基于 CNN），GAN（基于 Attention）都比较重要，MoNet 和 GraphSAGE 也可以读一下（GraphSAGE 用于大规模数据）。 泛读 针对问题：基于图结构的节点分类 结果：在小数据集传导测试中 GAN 与 GCN 效果不相上下，略好一点；在大数据集归纳测试中，无法使用 GCN 等方法，GAN 更有优势。 核心方法：把注意力机制引入图神经网络。 难点：如果之前了解 Attention 和图的基本表示方法，本篇原理和代码都不 ...

介绍 英文题目：Cross-lingual Knowledge Graph Alignment viaGraph Convolutional Networks 中文题目：基于 GCN 的跨语言知识图对齐 论文地址：https://aclanthology.org/D18-1032.pdf 领域：知识图谱，知识对齐 发表时间：2018 作者：Zhichun Wang 北京师范大学 出处：EMNLP 被引量：198 代码和数据：https://github.com/1049451037/GCN-Align 阅读时间：2022.04.15 其它介绍 文章亮点： 复习了之前的对齐方法 提出了邻接矩阵的计算以及属性的代入方法技巧 GCNAlign 和同类文件相比，引用量大，速度快，效果好，常作为默认工具 文章偏重真实场景中，多种关系，属性类别，属性值的应用。 泛读 针对问题：不同语言知识图中的实体对齐 结果：使用比较简单的方法，超过或得到与之前的方法近似的效果 核心方法：调整 GCN 层计算方法，可同时对结构和属性编码 难点：无 泛读后理解程度：直接精读 （看完题目、摘要、结论、图表及小 ...

读后感 针对问题：few-shot 场景下从文本中抽取关系（知识检索、对话、问答）。 结果：在 5 个数据集，及少量标注情况下，测试效果优于之前模型 核心方法：希望在 pretrain 后不再 fine-tuning，于是引入了提示 prompt，通过构建提问（提问方法/答案范围）来实现类似 tuning 的效果。 难点：之前对知识抽取和提示学习都不太了解；后来读了代码才了解，文中指的知识不是来自外界引入，而是将词嵌入作为知识。 泛读后理解程度：60% （看完题目、摘要、结论、图表及小标题） 围绕句子的逻辑，利用之前定义好的模板提问，回答 基于知识的提示学习 KnowPrompt 12345678910英文题目：KnowPrompt: Knowledge-aware Prompt-tuning with Synergistic Optimizationfor Relation Extraction中文题目：KnowPrompt: 基于协同优化的知识感知快速调优**关系提取**论文地址：https://arxiv.org/pdf/2104.07650.pdf领域：自然语言处理，关系提 ...

介绍 英文题目：Unsupervised Knowledge Graph Alignment by Probabilistic Reasoning and Semantic Embedding 中文题目：基于概率推理和语义嵌入的无监督知识图对齐 论文地址：https://arxiv.org/abs/2105.05596v1 领域：自然语言处理，知识图谱 发表时间：2021 作者：腾讯天衍实验室 出处：IJCAI（国际人工智能联合会议） 被引量：1 代码和数据： https://github.com/qizhyuan/PRASE-Python https://github.com/dig-team/PARIS 阅读时间：22.04.08 泛读 针对问题：实体对齐（不是本体对齐） 结果：效果优于之前模型 核心方法：提出 PRASE，基于概率推理和语义嵌入，使用不断更新种子的方法迭代训练上述两个子模型。 难点：先需要了解一下 PARIS 模型 泛读后理解程度：70% （看完题目、摘要、结论、图表及小标题） 精读 摘要 目前常用的实体对齐方法包括：基于词嵌入的对齐、常识推理和字典匹配。前者 ...