NER (named entity recognition)

最新推荐文章于 2024-07-05 16:24:34 发布
最新推荐文章于 2024-07-05 16:24:34 发布
阅读量1.8k 收藏
点赞数
分类专栏： 杂项
命名实体识别,主要目的是从文本中检测出专有名词并进行分类，如人名、地名、公司名、日期等。
综述一篇：
A survey of named entity recognition and classification, D Nadeau, S Sekine, Linguisticae Investigationes, 2007
http://nlp.cs.nyu.edu/sekine/papers/li07.pdf
这篇综述总结了1991到2006 15年间NERC领域的研究。感觉跟人工智能的历史差不多，从规则库到机器学习。

最早关于实体识别的文章：1991年Lisa F. Rau在Seventh IEEE Conference on Artificial Intelligence Applications会议上描述了一个能抽取公司名称的系统。
1996年Sixth Message Understanding Conference (MUC-6)会议上第一次使用了Named Entity这个词
Tony_Wong
关注
专栏目录
MSRA-NER 中文命名实体识别
04-09
MSRA-NER (SIGHAN2006) 数据集由微软亚研院发布，其目标是识别文本中具有特定意义的实体，包括人名、地名、机构名。
中文实体识别数据集
SYSU_BOND的博客
07-03 9195
中文命名实体识别数据集 1. 微软实体数据集 数据集简介： MSRANER是由微软亚洲研究院标注的新闻领域的实体识别数据集，也是SIGNAN backoff 2006的实体识别任务的数据集之一。该数据集包含5 万多条中文实体识别标注数据，实体类别分为人物、地点、机构三类。 数据集详情： 名称 规模 创建日期 单位 论文 下载 评测 MSRANER 训练集46364个句子，验证集4365个句子 2006年 微软亚洲研究院 链接 链接 链接 基于该数据集发表的论文： Zhang
msra_ner命名实体识别训练评估预测
最新发布
LIjin_1006的博客
07-05 425
apply_decay_param_fun=lambda x: x in decay_params)# 刨除 "bias", "norm"preds =paddle.argmax(logits,axis=-1)#模型预测标签索引。id2label = dict(enumerate(label_list))#转换list为dict。pred = paddle.argmax(logits, axis=-1)#预测的标签索引。", ".join(sum(a,[]))#列表内必须也是列表，才能sum。
[论文阅读笔记05]Deep Active Learning for Named Entity Recognition
ld326的专栏
12-30 976
一，题目 Deep Active Learning for Named Entity Recognition【NER任务的深度主动学习】 来源：ICLR 2018 原文：DEEP ACTIVE LEARNING FOR NAMED ENTITY RECOGNITION 二，作者 Yanyao Shen，Hyokun Yun，Zachary C. Lipton，Yakov Kronrod，Animashree Anandkumar University of Texas at Austin[得克萨斯大学奥斯汀
命名实体识别（Named Entity Recognition，NER）
victoriaGYR的博客
12-13 3815
  命名实体识别（Named Entity Recognition，NER）属于NLP中一个关键性基础任务，概念从字面意思上就可以理解，即识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。    从早期基于词典和规则的方法，到传统机器学习的方法，到近年来基于深度学习的方法，NER研究进展的大概趋势大致如下图所示。   在基于机器学习的方法中，NER被当作序列标注问题。利...
知识图谱——命名实体识别(NER)
weixin_43972621的博客
03-30 9498
一、NER简介 NER又称作专名识别，是自然语言处理中的一项基础任务，应用范围非常广泛。命名实体一般指的是文本中具有特定意义或者指代性强的实体，通常包括人名、地名、组织机构名、日期时间、专有名词等。NER包含以下model： 3 class model : Location, Person, Organization 4 class model : Location, Pers...
nlp命名实体识别Named Entity Recognition NER demo
06-14
nlp命名实体识别Named Entity Recognition NER demo 1.制作word和tag的dic,dic的id是0开始的int,出现频率高的排在前面 2.将每一句话转成2个80维的向量(即最长80个字),第一个是出现句子的 word 的id(train_x),第二个...
Financial Named Entity Recognition based on Conditional Random Fields and Information Entropy
02-22
标题中提到的“Financial Named Entity Recognition based on Conditional Random Fields and Information Entropy”涉及到自然语言处理（NLP）中的命名实体识别（NER）技术，特别关注金融领域。命名实体识别是识别...
[ICLR2018]Deep Active Learning for Named Entity Recognition
Deep Learning and NLP Farm
05-09 3512
目前神经网络在各领域很多任务上都取得了瞩目的成就，但是最大的缺陷就是需要大量的标注语料，成本较高，于是本文采用active learning 挑选一部分包含了更多信息的示例用于训练，得到了较好的性能． Data Representation: 每个句子的句首和句尾都加上特殊符号, 句首加[BOS], 句尾加[EOS] 将句长相差不多的句子聚在一起，并pad到相同的长度，选用符号[PAD]补齐...
msra(NER)命名实体识别语料
11-26
采用如下标注方法： nr人名 ns 地名   nt 机构团体    “团”的声母为t，名词代码n和t并在一起。 nz 其他专名 eg:红军/nt 将领/o 孙毅/nr 将军/o 为/o 我们/o 收藏/o 的/o 二十余册/o （/o １９３７年/o —/o １９４５年/o ）/o 晋察冀抗日根据地/ns 出版物/o
MSRA（NER）.zip
03-02
MSRA.zip表示用来训练与测试NER任务的原数据。
msra Ner+ 分词
11-28
msar实体命名与分词资源，同一处资料，训练集与测试集均有分词和ner标注
命名实体识别(NER)知识汇总
Mark_Australia的博客
03-13 1800
命名实体识别
第一篇关于深度学习在命名实体识别（NER）上应用的综述文章
qq_33290002的博客
11-21 996
《A Survey on Recent Advances in Named Entity Recognition from Deep Learning models》 这是第一篇关于深度学习在NER上应用的综述文章 这篇文章比较注重多语言和多领域的基于深度学习NER的综述 1.数据集 作者列举了目前一些常用的数据集，包括语言类数据和领域类数据。语言类数据就比较广泛，基...
神经网络结构在命名实体识别（NER）中的应用
qq_27009517的博客
10-22 3211
from: http://www.cnblogs.com/robert-dlut/p/6847401.html   近年来，基于神经网络的深度学习方法在自然语言处理领域已经取得了不少进展。作为NLP领域的基础任务—命名实体识别（Named Entity Recognition，NER）也不例外，神经网络结构在NER中也取得了不错的效果。最近，我也阅读学习了一系列使用神经网络结构进行NER的相关论...
NLP 相关任务
qq_41427834的博客
06-16 715
XNLI：自然语言推理 LCQMC：语义相似度任务，输入两个句子，输出两个句子是否相似。 MSRA-NER：中文命名实体识别 ChnSentiCorp：中文情感分析 Nlpcc-dbqa：检索式问答匹配任务 SQuAD(Standford Question Answering Dataset) task:问答匹配任务 MNLI (Multi-Genre Natural Language Inference): 判断句子相近、矛盾或无关 QNLI：Question-answeri...
【论文笔记-NER综述】A Survey on Deep Learning for Named Entity Recognition
yuexiaomao的博客
10-09 2459
本笔记理出来综述中的点，并将大体的论文都列出，方便日后调研使用查找，详细可以看论文。 神经网络的解释： The forward pass com- putes a weighted sum of their inputs from the previous layer and pass the result through a non-linear function. The backward pass is to co...
医学NER模型：GWO-CRF优化器在医疗命名实体识别中的应用
传统的NER方法常常基于规则或统计模型，但近年来，机器学习，特别是深度学习技术的应用，显著提高了NER的准确性。 本文提出了一种结合灰狼优化器（GWO）与条件随机场（CRF）的新模型，用于医疗领域的NER任务，称为...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值