掌握语言:python,tensorflow, pytorch
掌握知识:
1) CNN、RNN、LSTM、GRU、GCN和Transformer等神经网络,深度学习基础
2) 词表示学习,知识图谱表示学习
3) 短文本匹配,文本纠错,实体对齐,关系抽取,知识图谱补全等
4) 图数据库Neo4j,结巴分词、HanLP和Stanford NLP等NLP工具,D3可视化
英语水平:CET6
1)
2) 基于分层知识图谱注意力模型的远程监督关系抽取: 我提出了一个把知识图谱应用到远程监督关系抽取的双层注意力机制的神经网络结构,针对远程监督关系抽取数据集中的标注不准确问题和为了筛选出句子内部的关键词,在神经网络关系抽取的框架上设计了一个分级的注意力机制,包含了句子级别和词级别,来分别提高对最后的关系预测有更大作用的句子和词的权重,提高关系抽取的精度;
3) 基于依赖解析和Pagerank的图卷积网络的远程监督关系抽取: 该项目主要是用图卷积网络来提取经过依赖解析后的句子依赖特征,来帮助神经模型更好地提取特征,并且根据节点的依赖边确定节点重要性,此外还引入实体类型作为额外信息添加到模型中, 提高关系抽取的精度。