统一范式NER复现-2

VIP文章 已于 2022-09-12 09:38:19 修改
阅读量256 收藏 1
点赞数
分类专栏： 论文复现记录 文章标签： 深度学习 python 人工智能
于 2022-08-16 15:05:59 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Hekena/article/details/126347272
版权

目录

信达雅原则

觉得还是要复现这篇文章，上次复现无果，半路放弃了。但是，还是觉得，这篇文章的价值是可以的，因为，可能要用到，觉得还是要做好复现。。。。
论文题目：A Unified Generative Framework for Various NER Subtasks
论文代码和论文中的描述，有矛盾部分。

之前问到的一些问题：
表示上——非常感谢你关注到我们的工作。这里实际代码和论文的编码方式有点出入，有出入的地方在于，在实际代码中，label实际上占据的是[2, n_label+2]的范围，pointer是(n_label+2, n_token + n_label+2]。这里有这种出入的原因是由于，在代码中如果使用pointer在前面，由于每句话长度不一致【但是label个数是一定的】，会导致

最低0.47元/天 解锁文章
YingJingh
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
【论文精读】GPT-NER: Named Entity Recognition via Large Language Models
HERODING23的博客
05-03 4391
一篇2023年4月26日才挂上arxiv的文章，是我看到的第一篇用LLM解决NER任务的文章，在我看来，LLM才是NER问题的最优解，尤其是小样本场景，具有丰富先验知识的LLM，其涌现能力总能让我叹为观止。LLM在NER上的表现低于基线，这是因为二者任务不同，前者是文本生成任务，后者是序列标记任务。GPT-NER通过将序列标记任务转换为LLM的生成任务来弥补二者的差距。例如输入是Columbus is a city，输出@@Columbus## is a city，@@##是需要提取的实体的标记。
[论文阅读笔记64]A Unified Generative Framework for Various NER Subtasks
ld326的专栏
03-04 5435
1. 基本信息 题目 论文作者与单位 来源 年份 A Unified Generative Framework for Various NER Subtasks 复旦大学，邱锡鹏组 ACL 2021 13 Citations, 70 References 论文链接： https://arxiv.org/pdf/2106.01223.pdf 论文代码：https://github.com/yhcc/BARTNER 2. 要点 研究主题 问题背景 核心方法流程 亮点 数据集 结论
A Span-Based Model for Joint Overlapped and DiscontinuousNamed Entity Recognition
garbage回收中心
07-05 261
超图和基于过渡（transition-based models）的模型，虽然能够灵活的应用于不同的任务，但是这些模型需要手动定义图的节点、边或过渡方法，并且这些模型随着句子中的词来建立图或生成过渡，可能存在误差传播的情况。整体来看，虽然作者提出了一种新的逻辑，提出了基于span的模型来解决disconnected的实体（思路倒是比较靠谱），但文中作者对使用了AGGCN来增加了word 表征进行了着重介绍（我感觉哈），对于fragment的判断反而采用最简单的方法，有点奇奇怪怪的。
7篇论文梳理关系抽取的经典范式
Paper weekly
04-20 457
©作者 |眼睛里进砖头了单位 |东华大学研究方向 |自然语言处理最近在做关系抽取的任务，就花了些时间把关系抽取的经典范式全部 cover 了一遍，总结对比了一下，7 篇文章带你一览关系抽取范式。先说说关系抽取存在的问题下面以关系抽取的存在场景问题以及模型本身存在的问题，来看这个关系抽取这个任务存在哪些问题。1.1 抽取的场景问题不同的模型往往在不同的场景下表现出不同...
【NLP】流水的NLP铁打的NER：命名实体识别实践与探索
fengdu78的博客
08-23 481
作者：王岳王院长知乎：https://www.zhihu.com/people/wang-yue-40-21github:https://github.com/wavewangyue编...
NLP：自然语言处理技术最强学习路线之NLP简介(岗位需求/必备技能)、早期/中期/近期应用领域(偏具体应用)、经典NLP架构(偏具体算法)概述、常用工具/库/框架/产品、环境安装(更新中)
热门推荐
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
12-05 5万+
​ NLP：自然语言处理技术最强学习路线之NLP简介(岗位需求/必备技能)、早期/中期/近期应用领域(偏具体应用)、经典NLP架构(偏具体算法)概述、常用工具/库/框架/产品、环境安装(更新中) 目录 NLP自然语言处理技术最强学习路线 ☆☆一、自然语言处理技术的简介 ☆☆二、自然语言处理技术相关概念简介 ☆☆四、NLP具体应用领域(
自然语言处理NLP——ERNIE-M：基于回译机制的“预训练-微调”多语言模型
转载请标明出处，完整项目/代码详见github：https://github.com/yiru1225
12-01 2540
本篇博客主要介绍一种基于回译机制的预训练-微调多语言模型——ERNIE-M。
2020年，知识图谱都有哪些研究风向？
喜欢打酱油的老鸟
07-30 1590
2020-07-22 01:44:58 编译 | Mr Bear 编辑 | 丛 末 随着认知智能走进了人们的视野，知识图谱的重要性便日渐凸显。在今年的自然语言处理顶会 ACL 2020 上，自然语言知识图谱领域发生了巨大的革新。ACL 作为 NLP 领域的顶级学术会议，无疑能够很好地呈现该领域的研究风向。 本文作者Michael Galkin（计算机科学家，主要研究方向为知识图谱）从问答系统、知识图谱嵌入、自然语言生成、人工智能对话系统、信息提取等方面总结了 ACL 2020 上知识图谱最新工.
论文笔记：Few-Shot Named Entity Recognition: An Empirical Baseline Study
Hekena的博客
09-06 378
整体感觉，这篇文章是工程实践中可以参考的，大杂烩的感觉，复现一次，应该就能吧self training，有监督学习的NER这两种范式，加上多模型的voting机制，应该就可以熟悉了。
NER-BERT-pytorch-master_ner_
10-03
作为信息抽取任务的基本步骤，NER一直受到NLP学界的广泛关注。传统方法一般把NER看作是一个序列标记问题，同时预测序列中的实体边界以及实体所属的类别。
中文实体关系抽取数据集 Chinese-Literature-NER-RE-Dataset
10-05
基于几个可用的NER和RE数据集定义了7个实体标签和9个关系标签。实体(Entity)：每个实体都由带有多个属性的T标签标识。关系(Relation):每个关系由R标签标识，该标签可以具有多个属性。
ner-annotator:SpaCy的命名实体识别（NER）注释工具。 生成Traning数据作为JSON，可以轻松使用
04-22
NER的Spacy注释器 启动应用程序 安装依赖项并启动Python后端服务器 python -m venv env source env/bin/activate pip install -r requirements.txt python annotator/server.py 打开另一个终端并启动用于UI的服务器...
ner-corpus-construction
07-10
语料库构建 所需工具 将 Wikimedia XML Dump 转换为序列文件所需的 seqwiki 工具 将 HAREM Golden Collection 的格式转换为 Stanford NER 格式 将ner-corpus-construction的格式转化为Stanford NER格式
BERT-NER-Pytorch-master
08-17
BERT-NER-Pytorch-master
基于python实现的循环神经网络的情感分类系统设计
liudefang的专栏
05-22 1012
开发语言:Python。
『大模型笔记』从基础原理出发提升深度学习性能
最新发布
AI新视界
05-28 186
如果你想加速你的深度学习系统，最重要的是要弄清楚模型的瓶颈在哪里。这个瓶颈决定了你加速系统的最佳方法。我经常看到研究人员和其他想要加速PyTorch代码的人在不了解具体情况的前提下盲目尝试。性能环境可能的解决方案Overhead-Bound(开销瓶颈)Tracing, Operator Fusion, 不使用Python, 真正的JIT编译器Operator Fusion(算子融合)使用Tensor Cores, 购买更多Nvidia硬件当然，可以说，用户需要考虑这些问题本身就反映了框架的不足。
1.9.3 卷积神经网络中的瓶颈结构和沙漏结构提出的初衷是什么？可以应用于哪些问题？
seasonsyy的博客
05-22 664
1.9.3 卷积神经网络中的瓶颈结构和沙漏结构提出的初衷是什么？可以应用于哪些问题？
卷积神经网络-奥特曼识别
m0_74315028的博客
05-21 761
卷积神经网络识别奥特曼
facenet: a unified embedding for face recognition and clustering
03-16
FaceNet是一种用于人脸识别和聚类的统一嵌入方法。它使用深度学习技术将人脸图像转换为高维向量，使得相似的人脸在向量空间中距离较近，不相似的人脸距离较远。这种方法在人脸识别和聚类任务中取得了很好的效果，被广泛应用于人脸识别、人脸搜索等领域。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

YingJingh

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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