基于圖神經網絡的法律文本共指消解模型
摘 要:共指消解是確定上下文中的代詞或名詞短語所指的具體對象或實體,是自然語言處理(Natural LanguageProcessing,NLP)的基本任務之一,對理解文本語義具有重要意義?,F有的方法主要集中在一般領域的代詞、所有格和名詞短語的解析上,針對法律領域的研究較少。為了更好地學習法律文本中的知識,并消除共同指代現象,提出一種基于圖神經網絡的法律文本共指消解模型(Graph Neural Network for Coreference Resolution,CRGNN)。(剩余2507字)
目錄
- 面向全息通信的6G 智簡網絡架...
- 基于分布式知識推理的語義認知網...
- 從運營角度探討GEO 衛(wèi)星演進...
- 專題:6G新型無線網絡...
- 6G 網絡智慧內生愿景、架構與...
- 用戶為中心的網絡:體系架構與關...
- 面向6G 網絡融合的以用戶為中...
- 面向6G 通信感知一體化的關鍵...
- 面向通信感知一體化的信號波形設...
- 6G 無線網絡場景知識研究綜述...
- 針對6G-IoT 設備的OTA...
- 面向無人機通信的區(qū)域化智能波束...
- 基于無線射頻供能的端邊協(xié)同智能...
- 面向語義通信的信道知識庫構建與...
- 基于用戶聚類的無人機集群任務規(guī)...
- 面向太赫茲通信的改進OTFS ...
- 基于最優(yōu)鄰域搜索粒子群的低軌衛(wèi)...
- 基于流形優(yōu)化的RIS 輔助通感...
- 基于引導優(yōu)化的拒止環(huán)境無人系統(tǒng)...
- 基于GSPN 的區(qū)塊鏈系統(tǒng)性能...
- A*蟻群融合的復合啟發(fā)式路徑規(guī)...
- 基于圖神經網絡的法律文本共指消...
- 基于LSTM 模型的無線物聯(lián)網...
- 5G 波束動態(tài)調度應對用戶分布...
- 低載噪比突發(fā)擴頻信號的快速捕獲...