1、Information
publication：-Naacl 2016
2、What
根据小说中的人物描述，a)在每个时间段给出，人物关系的描述的概率分布，b)从时间轴上看出关系的变化轨迹,提出模型Relationship modeling network.(RMN)
3、Dataset
Project Gutenberg
4、How
input: 时间片段内的小说片段
output: RMN模型中的参数：关系描述的矩阵，关系描述的概率分布
目标函数：小说描述的embeding 尽可能与 关系描述表示的向量接近。
5、Evaluation:baseline:目前没有工作做过，故本论文与topic model 作比较。时间轴上关系变化的评估，与HTMM(hidden topic Markov model )比较
a) 在评价关系描述的学习中，加入干扰项，model peecision.
b）在人物关系轨迹评估中：人工评价 RMN学习出的关系变化 与HTMM学习出的哪个更好
6、Conclusion
近一年文章中Embeding 的方法用的非常多。