==== |
====== |
========= |
======= |
===== |
==== |
==== |
==== |
======= |
======= |
============ |
| 一般文献 | 药物设计 | 药物数据库文献 | DNA序列分析 | 氨基酸序列分析 | 计算神经科学 | 医学图像处理 | AI顶刊文献 |
| 图神经网络 | 自然语言处理 |
| 1. Graph Neural Networks for Natural Language Processing: A Survey 深度学习已成为处理自然语言处理 (NLP) 中各种任务的主要方法。尽管文本输入通常表示为一系列标记，但有很多 NLP 问题可以用图结构最好地表达。因此，人们对在图上为大量 NLP 任务开发新的深度学习技术的兴趣激增。在本次调查中，我们全面概述了用于自然语言处理的图神经网络 (GNN)。我们提出了一种新的 NLP GNN 分类法，它沿着三个轴系统地组织了现有的 NLP GNN 研究：图构建、图表示学习和基于图的编码器 - 解码器模型。我们进一步介绍了大量利用 GNN 功能的 NLP 应用程序，并总结了相应的基准数据集、评估指标和开源代码。最后，我们讨论了充分利用 GNN 进行 NLP 的各种突出挑战以及未来的研究方向。据我们所知，这是对用于自然语言处理的图神经网络的第一个全面概述。 |
|
|
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。