NER论文笔记3-ACL2021

最新推荐文章于 2024-04-26 17:39:52 发布
VIP文章 最新推荐文章于 2024-04-26 17:39:52 发布
阅读量1k 收藏 3
点赞数 1
分类专栏： 论文笔记 文章标签： 自然语言处理
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/TARO_ZERO/article/details/123484862
版权

Modularized Interaction Network for Named Entity Recognition

论文背景：基于序列标注的NER模型在识别长实体时表现得并不是很好；而基于跨度的NER模型不能捕获跨度中的词级依赖关系

思路创新：提出模块化交互网络模型MIN（Modularized Interaction Network），同时利用跨度信息和词级依赖

模型构建：包含NER模块（NER Module）、边界模块（Boundary Module）、类型模块（Type Module）和交互机制 （Interaction Mechanism）

联合训练，通过交互机制使得边界检测和类型预测两个子任务的信息共享

数据集：CoNLL2003，WNUT2017，JNLPBA

Discontinuous Named Entity Recognition as Maximal Clique Discovery

论文背景：NER任务中同一个实体提及不连续时，现有方法的处理是采用分阶段的方式进行识别，但存在误差传

最低0.47元/天 解锁文章
TARO_ZERO
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
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。
NER任务最新SOTA模型W2NER
HUSTHY的博客
04-13 7190
ACL2021 | 一种巧妙解决NER覆盖和不连续问题的方法
zenRRan的博客
09-07 1423
每天给你送来NLP技术干货！论文：A Span-Based Model for Joint Overlapped and Discontinuous Named Entity Recogn...
NER论文两篇
Hekena的博客
06-10 979
是围绕小样本下的NER学习任务展开的。建模为生成模型的任务，所以使用的PLM依旧是BART。 至于Light，我想，论文中是因为，参数调整的较少，故称之为“轻量级”NER建模了prompt级别的注意力机制，在Transformer内部，做了一点改动，其他方面，暂时没有看出来，欢迎补充 原始的transformer结构： 按照模型结构，可以分为： 纯 Encoder 模型：适用于只需要理解输入语义的任务，例如句子分类和命名实体识别，又被称为自编码 (auto-encoding) Transformer 模型，
NER论文笔记2-ACL2021
TARO_ZERO的博客
03-14 943
ACL2021中NER相关论文
CNN-NER论文详解
yingzi的技术博客
07-31 700
基于序列标注（sequence labeling）基于超图（hypergraph）基于序列到序列（Seq2Seq）基于片段分类（span classification）本文跟进了《Named Entity Recognition as Dependency Parsing》这一论文的工作，同样采用基于片段分类的方案。
A Span-Based Model for Joint Overlapped and DiscontinuousNamed Entity Recognition
garbage回收中心
07-05 252
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。
【论文解读系列】NER方向：W2NER (AAAI 2022)
ljp1919的专栏
10-24 2466
文章基于词-词关系分类，提出一个统一的实体框架 W2NER，关系包括 NNW 和 THW。框架在面对各种不同的 NER 时非常有效。
NER[2] - 文章解读：A Survey on Deep Learning for Named Entity Recognition
ZhuNian的学习乐园
07-13 2414
本文是翻译一篇NER综述原文：A Survey on Deep Learning for Named Entity Recognition 文章链接：https://arxiv.org/abs/1812.09449v3
ACL2021（之）命名实体识别
qq_36618444的博客
07-20 3147
文章目录1. A Unified Generative Framework for Various NER SubtasksMethod 1. A Unified Generative Framework for Various NER Subtasks 第一篇来看看复旦大学邱锡鹏老师团队做的能够解决多种NER任务的统一框架。 熟悉NER的小伙伴都知道，Flat NER可以转化为序列标注的任务，但是一些特殊的NER，比如嵌套(nested) NER，不连续(discontinuous) NER都无法简单地
NER简单综述
大脸猫的博客
04-20 4304
目录 什么是NER NER相关综述类论文 NER数据集、评测方法、工具库 NER相关的数据集 NER评测方法 完全匹配 松弛匹配 NER工具库 NER主要方法 基于规则的方法 无监督学习方法 基于特征的监督学习方法 深度学习方法 BiLSTM+CRF IDCNN+CRF Bert+BiLSTM+CRF FLAT NER任务的demo代码 NER的应用 NER未来的研究方向 References 什么是NER NER全称是命名实体识别（Named Enti
bert-chinese-ner：使用预训练语言模型BERT做中文NER
02-06
使用预训练语言模型BERT做中文NER尝试，微调BERT模型 PS：移步最新模型 代码参考 使用方法 从下载bert源代码，存放在路径下bert文件夹中 从下载模型，放置在checkpoint文件夹下 使用BIO数据标注模式，使用人民日报...
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。
albert-chinese-ner：使用预训练语言模型ALBERT做中文NER
02-06
阿尔伯特·中国人 前言 这次的albert某种程度上可能会导致...运行python albert_ner.py --task_name ner --do_train true --do_eval true --data_dir data --vocab_file ./albert_config/vocab.txt --bert_config_fi
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 ...
NLP（5）-softmax和交叉熵
njh1147394013的博客
04-20 303
交叉熵 softmax
“PowerInfer：消费级GPU上的高效大语言模型推理引擎“
人工智能前沿分享
04-23 901
PowerInfer的开源性质，加上其活跃的社区和不断更新的特性，使其成为一个在消费级硬件上部署和运行大型语言模型的强大工具。这种局部性表现为神经元激活的幂律分布，即少数热激活的神经元在多数情况下被频繁使用，而大多数冷激活的神经元则在特定输入下才被激活。推理中的高局部性，实现了快速且资源消耗低的模型推理，这一局部性主要体现在神经元激活的幂律分布上，即少数。量化，这有助于减少模型的存储占用和提高推理速度，进一步适应资源受限的设备。内存的需求，并且降低了两者之间的数据传输，提高了整体的计算效率。
多模态大语言模型综述
最新发布
qq837993702的博客
04-26 290
去年以来，我们见证了以 GPT-4V 为代表的多模态大语言模型(Multimodal Large Language Model，MLLM)的飞速发展。为此我们对综述进行了重大升级，帮助大家全面了解该领域的发展现状以及潜在的发展方向。MLLM 发展脉络图MLLM 脱胎于近年来广受关注的大语言模型（Large Language Model , LLM），在其原有的强大泛化和推理能力基础上，进一步引入了多模态信息处理能力。
用 LM Studio 1 分钟搭建可在本地运行大型语言模型平台替代 ChatGPT
AI全栈 和 IT 编程相关分享
04-23 925
LM Studio是一个允许用户在本地运行大型语言模型（LLMs）的平台，它提供了一种便捷的方式来使用和测试这些先进的机器学习模型，而无需依赖于互联网连接。脱机：用户可以在自己的笔记本电脑上运行LLMs，完全不需要在线连接。用户界面：LM Studio提供了一个应用内聊天界面，用户可以通过这个界面与模型交互，或者使用一个与OpenAI兼容的本地服务器。模型下载：用户可以从Hugging Face的🤗（即Hugging Face公司）仓库下载任何兼容的模型文件。模型支持。
bert-ner-pytorch
07-25
BERT-NER-PyTorch是一个基于PyTorch深度学习框架的BERT命名实体识别（NER）模型。BERT是一种在大规模未标记文本上训练的预训练模型，它可以用于各种自然语言处理任务。 BERT-NER-PyTorch利用已经使用大量标记数据...

“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
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