Q1. 今天想聊聊 全量知识系统中 的 范畴大辩论 ： 三方（论点论证论据）辩论 。 先抛开 全知系统说说“ 范畴大辩论 ： 三方（论点论证论据）辩论” 当我们谈到“范畴大辩论：三方（论点、论证、论据）辩论”时，我们实际上是在讨论一个逻辑和论证的基本结构。在任何讨论、辩论或论文中，这三个元素都是至关重要的。 论点（Claim）：这是你想要证明或反驳的主要观点。论点应该清晰、明确，并且具有可辩论

论文链接：https://arxiv.org/abs/1906.04580 代码链接：https://github.com/RingBDStack/PPGCN 来源：IJCAI 2019 关键词：HIN，细粒度事件分类，hyper-edge，GCN 文章目录 1 摘要2 介绍2.1 社交事件(social event)2.2 挑战2.3 已有的工作2.4 作者提出2.5

论文地址：https://arxiv.org/pdf/2108.08728.pdf Github地址：https://github.com/raoyongming/CAL Abstract 注意力机制在细粒度视觉分类任务上非常有效。本文介绍了一个反事实的注意力学习方法，基于因果推理来学习更加有效的注意力。现有的方法都基于传统的概率来学习注意力，本文作者提出利用反事实因果关系来学习注意力，为评价

1. 概述 广义的分类（classification或者categorization）有两种含义：一种含义是有指导的学习（supervised learning）过程，另一种是无指导的学习（unsupervised learning）过程。通常前者称为分类，后者称为聚类（clustering），后文中提到的分类都是指有指导的学习过程。 给定分类体系，将文本集中的每个文本分到某个或者某几个类