piecewise convolutional neural networks (PCNNs) 学习

标签：png   解决方法   img   一个   位置   提取   导致   ros   细节   

问题：

 1.远程监督的方法由于约束较低，所以导致会产生大量的噪声数据

 2.特征抽取方法没有充分考虑两个实体间的位置信息

解决方法：

1.采用多示例学习缓解噪声    

              将同一Bag(相同实体对）置信度最高的句子的关系 作为Bag中所有句子的关系（假设还是很强）

2.提出PCNNs网络        

             之前的CNN只能提取到局部信息，由卷积核决定，所以本文中将同一个句子分为三段，然后分别池化，最终的效果证明确实提升。

             考虑原因的话，句子中的词语距离两个实体的距离是重要的。          

多示例学习实现细节

PCNNs实现细节

    几个问题？

    1. 卷积核大小是和句子的长度一样么？ 只需要横向扫么？

    2.

博客参考：

     论文简述：https://blog.csdn.net/herosunly/article/details/92421600

      简单实现：https://www.jianshu.com/p/f29bc334c4f9

piecewise convolutional neural networks (PCNNs) 学习

标签：png   解决方法   img   一个   位置   提取   导致   ros   细节   

原文地址：https://www.cnblogs.com/chunchao/p/11650776.html