达摩院NLPer分享soft-lexicon

最新推荐文章于 2022-05-09 18:59:01 发布
最新推荐文章于 2022-05-09 18:59:01 发布
阅读量1.7k 收藏 3
点赞数 1
分类专栏： NLP
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/baidu_15113429/article/details/104316097
版权

实体识别使用GCN+soft-Lexicon

1.lattice-lstm只能用在RNN中，而soft-Lexicon只是词的embedding有改动啊，后面可以接入各种模型

2.lattice-lstm 里面可以看出做各种attention的输入

3.Lexicon 还考虑了就是字在词中的作用，而lattice-lstm只考虑了词的开头和结尾

4.lattice 中词的头部输入是整个字当时的embedding

PPT见百度网盘

 

FIXLS
关注
专栏目录
基于SoftLexicon的医疗实体识别模型.pdf
09-09
基于SoftLexicon的医疗实体识别模型.pdf
【论文解读系列】NER方向：SoftLexicon(ACL 2020)
ljp1919的专栏
09-07 2931
SoftLexicon是一种简单而有效的**将词汇信息纳入字符表示**的方法。这种方法避免设计复杂的序列建模结构，并且对于**任何NER模型**，它**只需要细微地调整字符表示层**来引入词典信息。在4个中文NER基准数据集上的实验结果表明，该方法的推理速度比现有SOTA方法**快6.15倍**，性能更好
NLP-信息抽取-NER-2019：Soft-Lexicon【Simplify the Usage of Lexicon in Chinese NER】
u013250861的博客
09-07 768
NLP-信息抽取-NER-2019：Soft-Lexicon【Simplify the Usage of Lexicon in Chinese NER】
Simplify the Usage of Lexicon in Chinese NER阅读笔记
m0_53292725的博客
05-09 703
基于之前Lattice LSTM的问题进行改进 Lattice LSTM虽然达到了SOTA 但是模型结构非常复杂 限制了在工业上的应用 这篇提出了一个简化且高效的模型 融合了词汇信息到字编码中 避免了复杂的序列建模结构 而且对于任何神经NER模型 只需要对字表示层进行微调来引入词汇信息 本文提出了两个方法 后者为前者的优化 第一个方法 构造exsoftword特征 这种方法能保存所有可能的词典匹配的分词结果 {B, M , E, S, O}对应(begin, middle, end, single,
Raki的读paper小记：Simplify the Usage of Lexicon in Chinese NER
Raki_J的博客
01-16 543
经过可乐老师的教诲之后打算focus NER方向，没想到第一篇就是复旦的 摘要和总结 Lattice-LSTM虽然达到了sota，但是模型结构非常复杂，限制了其在工业上的应用，本文提出一个简单且高效的模型，融合了词汇信息到字编码中，避免了复杂的序列建模结构。而且对于任何神经NER模型，只需要对字表示层进行微调来引入词汇信息。 推理速度是之前sota模型的六倍，表现跟之前的sota相当 模型 embedding char embedding xic=[ec(ci);eb(ci,ci+1)]x_i^c = [
NiceMartin#NLPer-Arsenal--#2020百度人工智能开源大赛-观点阅读理解任务1
07-25
任务简介本次评测将竞赛任务聚焦于预测答案段落摘要中所表述的是非观点极性，将基于DuReader的中文是非观点型问题阅读理解数据集为选手提供样例数据、训练数据集和
NLPer-Interview - NLP 算法工程师相关的面试题-python
06-18
NLPer-Interview - NLP 算法工程师相关的面试题
该仓库主要记录_NLP_算法工程师相关的面试题_NLPer-Interview.zip
最新发布
08-24
该仓库主要记录_NLP_算法工程师相关的面试题_NLPer-Interview
NLPer-Interview:该仓库主要记录 NLP 算法工程师相关的面试题
05-01
Introduction 本仓库主要记录本人对 NLP 相关知识的积累，之前笔记做的很多，考虑到秋招已至， 在复习的过程中， 慢慢将这些知识屡清楚，然后将相关的知识笔记整理成专题，来帮助我更好的复习。...
TingFree#NLPer-Arsenal#2021CCMT-双语、多语、低资源、自动译后编辑、质量评估、语料过滤1
07-25
任务简介新闻领域双语翻译（汉英、英汉、蒙汉、藏汉、维汉）、日汉英专利领域多语言翻译、旅游领域低资源翻译（俄汉、汉俄、泰汉、汉泰、越汉、汉越）、自动译后编辑（英汉
Lexicon and Language Model
01-21
Lexicon and Language Model 声学模型 语言模型 语音识别
达摩院命名实体识别及其在阿里小蜜的应用（v2020-05-11）
Java搜索工程技术栈
04-25 868
今天我们将围绕主题，分享以下三个方面：首先对命名实体识别（NER）这个任务做一个问题定义，再基于一篇Survey论文去介绍解决NER问题的统一框架。然后会详细介绍前沿的一些研究工作，重点基于ACL18和arXiv19这两篇论文来探讨中文命名实体识别中关于引入词汇信息的工作。最后简单介绍一下实体识别技术在我们阿里小蜜的应用场景。 01 问题定义及基本框架 命名实体识别是信息抽取的一个子任务，能够从非结构化文本中识别出特殊含义的词汇或专有名词。这个特殊含义其实是“用户自定义”的语义类别，比如说是一些
2021秋招-NLP基础任务模型-NER
LBJ_King的博客
07-19 5300
NLP基础任务模型-NER 目录: 任务定义 简单综述 数据集细节总结 模型细节总结
论文笔记：Simplify the Usage of Lexicon in Chinese NER Minlong
Wangpeiyi9979的博客
10-28 2939
文章目录一、摘要二、模型三、实验结果 一、摘要 以前我们已经提到过一篇结合字典进行中文命名实体识别的文章《Chinese NER Using Lattice LSTM》. 这个方法能够一定程度解决分词错误。然而，这个方法有一个重要的缺陷，就是效率低下，其在源码的issue中也提到了，目前竟然不支持并行化。因此，这篇文章希望设计出一种更加有计算效率的方式。 二、模型 该论文主要是在底层字和词的表示上...
java简化笔记的方法_《简化中文NER中字典的使用》阅读笔记
weixin_35728216的博客
02-28 222
题目：Simplify the Usage of Lexicon in Chinese NER来源：ACL 2020原文链接：https://www.aclweb.org/anthology/2020.acl-main.528.pdf转载请注明出处：学习ML的皮皮虾Introduction中文由于不存在自然的token之间的划分，在进行NER任务时往往需要先分词再做NER，但这样由于分词的误差可能...
NLPer必会：bert+bilstm+CRF进行中文命名实体识别（NER）
Clairezcy的博客
02-27 8327
1、命名实体识别由于有标注标签的存在，转化为多分类问题。 标注标签本次训练集中为‘BIO’方式标注 命名实体标注三种：人物，地点，组织机构 标签共7个类别：B-PER,I-PER,B-LOC,I-LOC,B-ORG,I-ORG,O 2、对于文本向量表示，如使用预训练模型BERT的向量： 安装腾讯肖涵博士开发的Bert Server(bert-serving-server)和Client(bert-...
软件智能:aaas系统中的数学程序与技术服务之4 序篇之 综述2 词典lexicon
ChuanfangChen的博客
03-10 5021
自然语言是最终的知识表示语言。可以用任何人工语言或符号表达的任何东西 ，都可以用自然语言以同样的精度表达出来。然而，对于许多应用程序，人工语言可以更简洁，或者更好地订制需求。理解自然语言和人工语言之间关系的一个关键是语言游戏l理论：一个自然语言的语义包括所有可能的语言游戏的总和，这些游戏可以用给定的语法和词汇进行，但是一个人工语言是为单语言游戏设计的。自然语言的词典歧义源于在多个游戏中以多种方式使用和重用。
[论文笔记] IJCAI2019: CNN-Based Chinese NER with Lexicon Rethinking
carrie_0307的博客
03-05 2129
原文链接：https://www.ijcai.org/Proceedings/2019/0692.pdf 代码: https://github.com/guitaowufeng/LR-CNN 一. 介绍 Motivation 本文模型提出的动机是，尽管现有的融合了lexicon信息的RNN模型在中文NER任务中取得了一定的成功，但这类模型存在两处缺点 效率限制: 基于RNN的模型...
NLPer专属：笑点藏匿于算法中的笑话与梗图
这篇文章是一篇轻松的科技分享，聚焦在人工智能领域的算法幽默梗。作者付奶茶整理了一系列针对自然语言处理（NLPer）的有趣梗图和相关笑话，这些梗涉及到AI大模型如GPT以及Transformer等技术。以下是对文章部分内容...
评论 1
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