笔记整理 | 谭亦鸣，东南大学博士 来源：ACL 2020 链接：https://www.aclweb.org/anthology/2020.acl-main.489.pdf 源码：http://github.com/svjan5/kg-reeval 概述 图谱补全（KGC）的目标是自动的预测大规模知识图谱中缺失的link。在数据挖掘，机器学习和自然语言处理等领域的顶会上，一众state-o

Single-/Multi-Source Cross-Lingual NER via Teacher-Student Learning on Unlabeled Data in Target Language 不要问我为什么改成了中文名，因为标题名字太长了！！ Abstract & Introduction & Related Work 研究任务 通过教师-学生模型在目标语言上的无标注数据上

ACL2020 即将开幕！早在一个月前，ACL官方就已经给出了本次大会的一般统计，涵盖了ACL2020的接受率、与之前接受率的比较、不同方向接受率和一些国家的统计数据。本月开始，ACL官方将会逐步放出有关提交、评论和其他主题的统计数据。   ACL 2020：创史上投稿量、接收数新高 本次ACL大会共提交了3429篇论文，破了去年创的记录——去年为 2906 篇，增加了523篇！

Heterogeneous Graph Neural Networks for Extractive Document Summarization 异构图神经网络提取文档摘要摘要1 引言2 相关工作3 Methodology3.1 Document as a Heterogeneous Graph3.2 Graph Initializers3.3 Heterogeneous Graph La

机构为浙江大学、香侬科技。 存在的问题： 论文认为目前的的NER方法能够很高的解决flat NER任务，但是对于nested NER任务就显得不那么power。一般方法是分开做。 解决办法： 论文提出一种统一框架能够同时处理flat和nested两种类型问题。不将实体抽取看作NER问题，而是看作MRC。 上图为flat和nested实体的实例 举例： 抽取PER(PERSON)实