《Chinese NER Using Lattice LSTM》思维导图笔记

最新推荐文章于 2021-05-28 00:16:46 发布
最新推荐文章于 2021-05-28 00:16:46 发布
阅读量375 收藏 3
点赞数 1
文章标签： 深度学习 自然语言处理 神经网络
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/Rock_y/article/details/109045651
版权

这是一篇经典的中文命名实体识别论文，

  • Chinese NER Using Lattice LSTM
  • 基于网格LSTM的中文命名实体识别
  • 作者: Yue Zhang* and Jie Yang*
  • 单位:新加坡科技设计大学
  • 发表会议及时间: ACL 2018

本文将这篇论文进行详细分析，可点击放大观看，嘻嘻~

论文导图

在这里插入图片描述

对于思维导图中的细节一和细节二，

细节一:融合字符与词级别特征

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

细节二:从 LSTM 到 Lattice LSTM

总体来看，
在这里插入图片描述
下面是分开讲解：
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

实验结果及分析

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

Rock_y
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
Chinese NER Using Lattice LSTM
YW_Vine的博客
06-01 355
一、简介 论文地址：https://arxiv.org/pdf/1805.02023.pdf 源码地址：https://github.com/jiesutd/LatticeLSTM 二、相关模型介绍 先介绍训练embedding的经典方法: embedding的训练方法，经典的有word2vec, fasttext有现成的包可以直接训练：gensim, fasttext 2.1 基于字符的模型 基于纯字符的模型比较简单，模型结构如下： character -> embedding -> (Bi
论文笔记【一】Chinese NER Using Lattice LSTM
weixin_33922672的博客
09-15 368
论文：Chinese NER Using Lattice LSTM 论文链接：https://arxiv.org/abs/1805.02023 论文作者：Yue Zhang∗and Jie Yang∗ 项目链接：https://github.com/jiesutd/LatticeLSTM 论文翻译：转自机器之心 https://www.jiqizhixin.com/article...
ChineseNER-master.zip_chinese ner bilstm_chinesener python_crf n
07-14
本项目“ChineseNER-master.zip”提供了一个基于Python的解决方案，利用双向长短时记忆网络（Bidirectional Long Short-Term Memory, biLSTM）与条件随机场（Conditional Random Field, CRF）相结合的模型，来有效地...
char-rnn-master_ner_biLSTM+CRF_BiLSTM-CRF_
10-01
在给定的“char-rnn-master_ner_biLSTM+CRF_BiLSTM-CRF_”项目中，开发者提供了使用Tensorflow框架实现的BiLSTM-CRF模型来进行NER任务的代码。本文将详细解析这一模型的原理和实现过程。 一、BiLSTM-CRF模型介绍 1...
NER-in-Chinese-Text:NLP硬BiLSTM + CRF
05-15
NER：Keras中的中文命名实体识别模型1：基于字符嵌入的BiLSTM-CRF。 Model2：在model1的基础上。 使用Conv1D从单词嵌入中提取n_gram特征作为辅助特征。 ps： 首先运行preprocess.py和utils.py，以获取已处理的train ...
ChineseNER-master_ner实体识别_源码
09-30
转载ner实体识别，不是本人原创，只为下载某个文件
Chinese NER Using Lattice LSTM【ACL2018】
SYSU_BOND的博客
05-28 278
1. 提出先验词的网格结构： 2. 基于上述网格结构，设计Lattice-LSTM，用于融合先验词信息： 在实现细节上，以字粒度LSTM模型未基础，融入单词网格信息： 单词如“南京市”，表示为向量，由预训练词向量如Word2Vec表示 并通过一个与LSTM Cell相同的运算，得到单词Cell State，以及一个类似于Input Gate的结果【注意这里使用是词向量，不是字向量】用于跟原本LSTM中的Input Gate去计算权值【word level 没有Output Gate】：
ChineseNER Using LatticeLSTM笔记
SimonChen
05-25 198
https://zhuanlan.zhihu.com/p/42414521
Chinese NER Using Lattice LSTM.Yue Zhang and Jie Yang.ACL2018
qq_27552845的博客
04-24 702
一.标题 Chinese NER Using Lattice LSTM.Yue Zhang and Jie Yang.ACL2018 二.文章 摘要 We investigate a lattice-structured LSTM model for Chinese NER, which encodes a sequence of input characters as well as all p...
《Chinese NER Using Lattice LSTM》
you_jinpeng的博客
12-14 207
《Chinese NER Using Lattice LSTM》2018年ACL论文 文章目录作用和动机模型训练实验结果 作用和动机 作用：用于中文的实体抽取 动机：避免分词不同带来的实体命名错误 和 以字为输入带来的词语内字之间的信息损失。 分词不同带来的实体命名不同的例子： 南京市长江大桥 南京市//长江大桥 南京//市长//江大桥 南京市//长江//大桥 模型 “以字输入的LSTM” 上整...
论文笔记：Chinese NER Using Lattice LSTM
qq_22472047的博客
10-19 1160
概述： 目前，英文NER：效果最佳的模型是 LSTM-CRF（Lample et al., 2016; Ma and Hovy, 2016; Chiu and Nichols, 2016; Liu et al., 2018）。 中文 NER：也可以使用这种模型，但是中文NER和分词相关，执行中文 NER 的一种直观方式是先执行分词，然后再应用词序列标注。基于character-level的LSTM-CRF无法利用句子中的单词word信息。 charNER的缺点：明确的word和word sequenc
论文笔记：Chinese NER Using Lattice LSTM Yue
Wangpeiyi9979的博客
10-23 605
文章目录摘要一、简介指导性结论 摘要 文章提出了一种将【字】和所有【潜在词组】作为输入的模型。其有以下优势： 对于基于字的方法：模型利用了词组的信息 对于基于词的方法：模型设计了门控机制，解决了分词错误问题。 一、简介 文章为了在避免分词错误的情况下利用词信息，设计了一种Lattice LSTM的结构，其可以自动学习一些词组，作为输入。示意图如下： 指导性结论 对于中文NER来说，基于字符...
论文详读：Chinese NER Using Lattice LSTM
nooo255的博客
05-21 753
这篇论文是18年发表在ACL上的论文，是18年基于字符的中文命名体识别的最好的模型。（19年IJCAI发表的CNN-Based Chinese NER with Lexicon Rethinking，是在这篇论文上做的改进，也可以看看） 1.论文背景 1.1 NER 首先介绍一下什么是NER 命名体识别，命名体识别指的是将一段文本序列中包含的我们感兴趣的实体（有特定意义的实体）识别出...
paper notes 《Chinese NER Using Lattice LSTM》
Amy_mm的博客
08-23 3830
paper title：《Chinese NER Using Lattice LSTM》 摘要 对于中文命名实体识别，我们研究了一种lattice结构的lstm模型（lattice-structured LSTM），这个模型能够对输入的字符序列以及序列中能够与字典相匹配的隐藏的词信息一同编码。 相比于基于字粒度的方法，lattice的能够更好的利用字以及字序列的信息。相比于词粒度的方法，...
Chinese NER Using Lattice LSTM【论文笔记】
Chevalier的博客
07-22 617
一、摘要   作者在中文的NER任务上提出了一个新颖的lattice-structured LSTM，编码输入字符序列和所有与词库匹配的潜在词语。与基于字符的方法相比，我们的模型明确地利用了单词和单词序列信息。与基于单词的方法相比，lattice LSTM不会受到分词错误的影响。门控循环神经元允许模型选择最相关的字符和单词，以此得到更好的结果。在各种数据集的实验表明，与基于字符和单词的方法相比，l...
flat: chinese ner using flat-lattice transformer
最新发布
04-06
这是一个关于中文命名实体识别（NER）技术的主题，使用了平面栅格变压器（Flat-Lattice Transformer）方法。该方法是一种基于神经网络的自然语言处理技术，尤其适用于处理中文这种拥有复杂语法和语义的语言。通过...
评论 2
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