瞎读
Table of Contents

1 Uncover the Ground-Truth Relations in Distant Supervision: A Neural Expectation-Maximization Framework EMNLP2019

远程监督，关系抽取，标签去噪框架，将神经网络与概率模型相结合，将概率模型中的潜在变量模型与现代深层神经网络相结合

2 Locality-Expanded Neural Embedding for Knowledge Base Completion AAAI2019

局部扩展神经嵌入
三元组是否存在，不仅与三元组的嵌入有关，还与 实体的嵌入，更大的邻接图相关，
三元组（h，r，t）的嵌入可能不足以预测其实际存在。因此可以从更大的图邻域中提取和组合信息提高链路预测性能，attention机制

3 MixUp as Locally Linear Out-of-Manifold Regularization AAAI2019

数据混淆的数学解释？正则化

4 Generating Chinese Ci with Designated Metrical Structure AAAI2019

生成具有指定韵律结构的宋词，词生成
在神经网络中结成规则

5 Modeling Noisy Hierarchical Types in Fine-Grained Entity Typing: A Content-Based Weighting Approach IJCAI2019

细粒度实体类型中噪声层次类型的建模，设计了新的cost function，random walk process 消除噪声标签

6 Understanding Feature Selection and Feature Memorization in Recurrent Neural Networks

RNN中的特征选择与特征记忆的理解：提出一种测试方法，研究RNN在序列学习中的内在能力

7 Embedding of Hierarchically Typed Knowledge Bases AAAI2018

实体类型信息在知识库嵌入中的应用:将一个通用的“无类型”嵌入模型扩展到一个有类型的模型。该框架将实体类型解释为对所有实体集的约束，并让这些类型约束在嵌入空间中同构地归纳出一组子集。引入额外的成本函数来建模这些约束之间的适应度以及实体和关系的嵌入。

8 The APVA-TURBO Approach To Question Answering in Knowledge Base COLING2018

基于知识库的问答问题，提出一个新的包括一个验证机制，负责检查预测关系的正确性的模型架构

9 Syntax Encoding with Application in Authorship Attribution EMNLP2018

将句子的句法分析树编码成一个可学习的分布式表示。所提出的语法编码方案是可证明的信息无损的，为句子中的每个单词构造一个嵌入向量，对与单词对应的语法树中的路径进行编码

（实体）链接预测，max-k准则和预测协议

11 Scalable Instance Reconstruction in Knowledge Bases via Relatedness Affiliated Embedding

基于关联嵌入的KB重构：提出了一种新的知识库完成公式，称为实例重构。介绍了实例重构的复杂度，提出了一种新的知识嵌入模型（rae），并在此基础上提出了一种实例重构算法（sir）