最新NER模型及效果调研

最新推荐文章于 2024-06-01 11:30:17 发布
最新推荐文章于 2024-06-01 11:30:17 发布
阅读量1.9k 收藏 5
点赞数 3
分类专栏： 论文阅读笔记 文章标签： 自然语言处理 nlp 深度学习 人工智能
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/m0_53292725/article/details/123577641
版权

我们根据不同的数据集来划分各个模型的得分情况

首先是MSRA数据集

 

 

然后是WEIBOner数据集

 

 以及OntoNotes4

 

  Resume NER

可以看到在Top榜上许多模型存在多次

故我们需要调研的为以下模型：

FGN  Lattice  Flat-Lattice Flat  Glyce+bert

bert-mrc  bert-mrc+DSC

flat+bert

aesiner

slk-ner

lstm+Lexicon augment

TEner

can-ner

Bilstm+crf+adversarial+self-attention

了解其效果和用途（以及优缺点）后续会阅读各个模型的相关论文并做好笔记

##以上数据均来自paper with code

Lyttonkeepgoing
关注
  • 3
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
NLP-*-NER实体识别模型
Gradient Fly
11-11 288
说明 模型：BiLSTM+CRF 框架：tensorflow 1.14.0 硬件：RTX 2080Ti （11G） 其他：采用BIO 标注的方式 本人在NER方面没有实际经验，代码有不当之处 请各位看官指正 代码 目录如下: NER dataset labels.txt train_data models datautil.py ner.py train.py ner.py # -*- coding:utf-8 -*- import os from tqdm import tqdm impo
WeiboNER_微博NER_中文NER_
10-01
中文NER常用数据集，在社交媒体微博上的收集到的数据集
LEBERT：基于词汇增强的中文NER模型
zenRRan的博客
05-10 562
每天给你送来NLP技术干货！作者：杨坚新来自：YeungNLP01任务概述命名实体识别（简称NER）是NLP中的经典任务，即给定一个输入文本，让模型识别出文本中的实体信息。在中文NER任务中，可以分为Character-based (字符粒度) 和 Word-based (词语粒度) 两种方法。Word-based (词语粒度)：基于词语粒度的中文NER任务，首先会对...
NER任务最新SOTA模型W2NER
HUSTHY的博客
04-13 7315
ner训练模型
11-20
关于命名实体识别的训练模型，与自然语言处理相关的模型的训练
2022 年最新的实体识别抽取模型框架W2NER
m0_60786609的博客
08-10 2624
2022年NER任务的最新SOTA,统一命名实体识别模型框架。
flat调研和ner调研
hanghanghang的博客
05-26 263
ex1:中间插入： flat调研： 其实就是一个类似于LSTM层的东西，打个比方 原先是bert加lstm加crf 现在可以bert加flat加crf，他就是解决了一些过去的 没有引入词汇信息的痛点 词汇信息就是学到一个词 例如重庆 人和药店 之前的自注意力机制学不到这个，这玩意能学到，能并行计算什么什么的，接在bert后面效果好，结构就是一层transformer里面的encoder 还有改进了位置编码 把位置编码多了两个参数 某个实体的head和tail坐标 就这样。 利用了词汇信息呗..
中文NER任务简析与深度算法模型总结和实战展示
HUSTHY的博客
11-08 7896
一、中文NER原理简析 主要简单描述一下，什么是NER，NER原理 二、算法模型总结 主流算法和模型总结，以及一些论文的分享 三、NER实战 针对一些具体的算法和模型进行实战，总结在实战中遇到的坑和简单的技巧 ...
[模型调研]实体消歧
weixin_52093054的博客
08-16 1643
实体消歧的概念以及一些SOTA模型
BERT-CRF 中文 ner 模型微调
05-09
BERT-CRF 中文 ner 模型微调
BERT_NER模型权重
09-13
BERT_NER模型权重
基于Python词汇信息融合的中文NER模型【100011832】
04-11
LEBERT 是将词汇信息引入到BERT模型中的NER模型， 本项目的目的在于验证LEBERT 模型在中文NER数据集上的表现。分别验证了Bert-Softmax、Bert-Crf、 LEBert-Softmax、LEBert-Crf在Resume、Ontonote、Msra、Weibo四个...
电商搜索query ner模型训练、预测、部署源码+模型.zip
04-23
电商搜索query ner模型训练、预测、部署源码+模型.zip本项目用于电商平台搜索query的ner识别项目，也可用于其他query，商品spu-name等文本ner任务任务中。支持常见的ner框架： bert+softmax bert+crf bert+span bert...
命名实体识别NER论文调研
Chile_Wang的博客
01-03 1947
因为NER任务与笔者之前做的CCF互联网金融新实体识别竞赛相关,所以这两个月也调研了一些NER的算法，这两年的NER算法思想主要集中在将词典信息融入训练过程，达到减少中文语义歧义的效果。...
【论文精读】GPT-NER: Named Entity Recognition via Large Language Models
HERODING23的博客
05-03 4473
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。
AI推介-大语言模型LLMs论文速览（arXiv方向）：2024.05.05-2024.05.10
小小帅
05-30 1021
当大型语言模型通过有监督的微调进行调整时，它们可能会遇到未通过预训练获得的新事实信息。人们经常猜测，这会让模型产生幻觉，做出与事实不符的回答，因为模型在训练中生成的事实并不基于其预先存在的知识。在这项工作中，我们将研究这种接触新知识的行为对微调模型利用原有知识的能力的影响。为此，我们设计了一个以闭卷 QA 为重点的受控设置，其中我们改变了引入新知识的微调示例的比例。我们证明，大型语言模型很难通过微调获得新的事实知识，因为引入新知识的微调示例的学习速度明显慢于与模型知识一致的示例。
基于昇腾910B训练万亿参数的语言模型简介
最新发布
06-01 681
基于昇腾910B训练万亿参数的语言模型简介
晓语台：基于大语言模型和深度学习技术的智能创作平台，高效、个性化地创作高质量内容。
Nimiod的博客
05-28 1223
除了基本的文本内容生成功能，晓语台还提供了对话创作、自由扩写、文本润色、续写改写、内容翻译、文章校验、广告法检测等辅助创作功能，满足用户在创作过程中的各种需求。多样化的创作场景：晓语台覆盖了品牌与市场调研、商业媒体、社交媒体、搜索营销、数字广告和职场办公等六类全营销文本的高维创作场景，满足用户在各种行业、平台和职业中的文案创作需求。多种辅助创作功能：除了文本内容生成外，晓语台还提供了对话创作、自由扩写、文本润色、续写改写、内容翻译、文章校验、广告法检测等辅助创作功能，满足用户的不同需求。
如何安装斯坦福ner 模型
06-12
安装斯坦福NER模型需要遵循以下步骤： 1. 首先，你需要下载并安装Java JDK，可以从官方网站（https://www.oracle.com/technetwork/java/javase/downloads/index.html）下载，选择适合你操作系统的版本进行安装。 2...

“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

Lyttonkeepgoing

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