【ACL2020】多模态信息抽取,365页ppt全面阐述各种形式文本信息抽取

2020 年 7 月 6 日 专知



多模态信息抽取,Multi-modal Information Extraction from Text, Semi-structured, and Tabular Data on the Web 


Organizers: Xin Luna Dong, Hannaneh Hajishirzi, Colin Lockard and Prashant Shiralkar



万维网以多种形式包含大量的文本信息:非结构化文本、基于模板的半结构化网页(以键-值对和列表的形式呈现数据)和表格。从这些资源中提取信息并将其转换为结构化形式的方法一直是自然语言处理(NLP)、数据挖掘和数据库社区研究的目标。虽然这些研究人员已经很大程度上根据数据的模态将web数据的提取分离到不同的问题中,但他们也面临着类似的问题,比如使用有限的标记数据进行学习,定义(或避免定义)本体,利用先验知识,以及针对web规模的可扩展解决方案。在本教程中,我们将从整体的角度来看待信息抽取,探索挑战中的共性,以及为解决这些不同形式的文本而开发的解决方案。


地址:

https://sites.google.com/view/acl-2020-multi-modal-ie



专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“MMIE” 可以获取《ACL2020-多模态信息抽取,365页ppt全面阐述各种形式文本信息抽取》专知下载链接索引

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取5000+AI主题知识资源
登录查看更多
29

相关内容

迁移学习简明教程,11页ppt
专知会员服务
104+阅读 · 2020年8月4日
【ACL2020】多模态信息抽取,365页ppt
专知会员服务
136+阅读 · 2020年7月6日
专知会员服务
178+阅读 · 2020年6月21日
【清华大学】低资源语言:回顾综述和未来的挑战,14页pdf
深度学习自然语言处理概述,216页ppt,Jindřich Helcl
专知会员服务
208+阅读 · 2020年4月26日
【ACL2020-Allen AI】预训练语言模型中的无监督域聚类
专知会员服务
23+阅读 · 2020年4月7日
自然语言处理ACL2020论文列表
专知
12+阅读 · 2020年6月23日
【资源】图深度学习文献列表
专知
42+阅读 · 2019年11月6日
基于深度学习的文本生成【附217页PPT下载】
专知
34+阅读 · 2018年11月24日
Arxiv
99+阅读 · 2020年3月4日
Arxiv
6+阅读 · 2019年9月4日
Arxiv
17+阅读 · 2019年4月5日
Arxiv
25+阅读 · 2018年1月24日
Arxiv
3+阅读 · 2015年5月16日
VIP会员
相关VIP内容
迁移学习简明教程,11页ppt
专知会员服务
104+阅读 · 2020年8月4日
【ACL2020】多模态信息抽取,365页ppt
专知会员服务
136+阅读 · 2020年7月6日
专知会员服务
178+阅读 · 2020年6月21日
【清华大学】低资源语言:回顾综述和未来的挑战,14页pdf
深度学习自然语言处理概述,216页ppt,Jindřich Helcl
专知会员服务
208+阅读 · 2020年4月26日
【ACL2020-Allen AI】预训练语言模型中的无监督域聚类
专知会员服务
23+阅读 · 2020年4月7日
相关论文
Arxiv
99+阅读 · 2020年3月4日
Arxiv
6+阅读 · 2019年9月4日
Arxiv
17+阅读 · 2019年4月5日
Arxiv
25+阅读 · 2018年1月24日
Arxiv
3+阅读 · 2015年5月16日
Top
微信扫码咨询专知VIP会员