《CNN-Based Chinese NER with Lexicon Rethinking》思维导图笔记

最新推荐文章于 2024-04-30 01:54:06 发布
最新推荐文章于 2024-04-30 01:54:06 发布
阅读量1.2k 收藏 9
点赞数 4
文章标签： 自然语言处理 深度学习 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/109083592
版权

CNN-Based Chinese NER with Lexicon Rethinking

基于LR-CNN的中文命名实体识别
作者: Tao Guil , Ruotian Ma1等
单位:复旦大学、Video++
发表会议及时间: IJCAI 2019

思维导图

在这里插入图片描述

细节一：CNN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
通过attention机制融合词信息

将每层CNN学到的不同gram的词用多尺度CNN融合

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：Rethinking机制

在这里插入图片描述
通过增加权重和降低权重的方式寻找最优分词路径
在这里插入图片描述
重点：
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

实验设置及结果分析

数据集
MSRA
Weibo
Chinese resume
OntoNotes4
对比模型
BiLSTM
CNN
Word-level model + char + bichar
Character-level model + bichar + softword
Dilated CNN
Lattice LSTM
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

总结

关键点：

  • 使用CNN进行特征抽取,提高推断速度
  • 引入Attention机制,融合字词向量

创新点：

  • 使用多层CNN,在不同层融合字词向量
  • 使用Rethinking机制,利用全局信息

另外，这篇博客写的不错，也可以参考
IJCAI2019: 面向中文NER 基于lexicon rethinking的CNN模型

Rock_y
关注
  • 4
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
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...
[论文笔记] IJCAI2019: CNN-Based Chinese NER with Lexicon Rethinking
carrie_0307的博客
03-05 2062
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...
NLP-信息抽取-NER-2019：LR-CNN【CNN-Based Chinese NER with Lexicon Rethinking】
u013250861的博客
09-07 273
NLP-信息抽取-NER-2019：LR-CNN【CNN-Based Chinese NER with Lexicon Rethinking】
CNN学习笔记思维导图（简）
m0_66323903的博客
06-01 223
主要囊括了卷积神经网络的组成以及部分原理，帮助梳理知识，整体把握CNN
Rethinking IoT
我相信......
03-27 1769
在地铁阅读时光里读完了《重构物联网的未来》一书，稍感失望。该书的英文原著书名为：《Rethinking The Internet of Things-- A Scalable Approach to ...
【思维导图】一张图让你了解CNN超参数优化和可视化技巧【整理自：量子位】
认知计算_茂森的博客
04-20 563
相关链接 1．在深度结构中关于梯度方法的几个实用建议(Yoshua Bengio)： https://arxiv.org/abs/1206.5533 2．随机搜索在超参数优化中的应用： http://www.jmlr.org/papers/volume13/bergstra12a/bergstra12a.pdf 3．CS231n课程中理解和可视化卷积神经网络： https://cs2...
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
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。
BERT-CRF-for-Chinese-NER:使用BERT + CRF模型执行中文NER任务
05-11
BERT-CRF-for-Chinese-NER Using BERT+CRF model to do Chinese NER task 如何运行 链接: 密码: 0qtc 请从网盘链接下载bert-chinese预训练模型，放在chinese-bert文件夹下 直接python run_ner.py即可
chinese-nlp-ner-master_chinese_BLSTM_
10-04
一套针对中文实体识别的BLSTM-CRF解决方案，主要包括：数据处理，模型构建，模型训练，模型测试，服务部署(thrift和flask)两种方式。
CNN经典网络整理-思维导图
liu_yuan_kai的博客
07-25 416
整理了一下CNN网络的思维导图，包括LeNet、 AlexNet、 VGG、 NIN 、GoogLeNet 、ResNet 、DenseNet、很早前，好像是去年整理的，今天突然想分享一下。
机器学习CNN的应用实战思维导图
zjguilai的博客
06-17 307
自己根据本书的看完之后依照目录做的思维导图，贯穿CNN的全部应用：
【思维导图】Tensorflow基于CNN网络做图片分类器
技不如人
03-15 357
参考：http://blog.csdn.net/ywx1832990/article/details/78610711
CNN+基本原理+思维导图
weixin_45768308的博客
09-22 279
1.参数数量太多2.对于图像识别任务，每个像素和其周围像素的联系是比较紧密的，和离的远的像素的联系可能就很小了3.网络层数的限制通过剃度下降方法训练深度全连接神经网络很困难，剃度很难超过3层，不可能得到很深的全连接神经网络，也就限制了能力。
Lattice CNNs for Matching Based Chinese Question Answering
weixin_40341844的博客
10-04 1494
读论文记录，请多多指教。 Lattice CNNs for Matching Based Chinese Question Answering 摘要：两个短文本之间存在词不匹配以及表达多样性的问题，这对于中文来说，更加严峻。本文提出一种新的 基于lattice的CNN模型。在处理基于匹配的中文问答问题中，能够利用word-lattice中固有的多粒度信息，且具有很强的处理噪声的能力。 对基于文档的...
论文笔记：A Neural Multi-digraph Model for Chinese NER with Gazetteers
Wangpeiyi9979的博客
10-28 2508
文章目录一、摘要二、模型1、构图2、GGNN三、实验结果 一、摘要 文章提出了一种基于图神经网络并结合多种词典的命名实体识别方法，主要的新意是让模型自动去学习词典的特征，而不是像《Incorporating dictionaries into deep neural networks for the Chinese clinical NER》那样基于人工的策略去构建。 二、模型 1、构图 首先根...
【NER-2】——2019 IJCAI LR-CNN
zeiyousao的博客
07-16 369
本文是来自2019年IJCAI的CNN-Based Chinese NER with Lexicon Rethinking，用于中文NER的识别。
ChineseNER based deep learning
未来战警
04-03 505
上篇文章讲解 了tf.contrib.crf.crf_log_likelihood的使用，这边文章主要说一下 这个项目，详见github，求 Star~~，项目会不断更新 注意 ，我这里使用的tensorflow版本是1.13.1.如果您使用 tensorflow2.0，contrib这个namespace已经不存在了，请注意 里面用的 训练集 是 来源于https://bosonnlp.c...
视觉语言模型详解
最新发布
2401_84038983的博客
04-30 319
视觉语言模型是可以同时从图像和文本中学习的多模态模型，其属于生成模型，输入为图像和文本，输出为文本。大视觉语言模型具有良好的零样本能力，泛化能力良好，并且可以处理包括文档、网页等在内的多种类型的图像。其拥有广泛的应用，包括基于图像的聊天、根据指令的图像识别、视觉问答、文档理解、图像描述等。一些视觉语言模型还可以捕获图像中的空间信息，当提示要求其检测或分割特定目标时，这些模型可以输出边界框或分割掩模，有些模型还可以定位不同的目标或回答其相对或绝对位置相关的问题。
bert-CRF-NER
02-22
BERT-CRF-NER是一种基于BERT模型和条件随机场（CRF）的命名实体识别（NER）方法。NER是自然语言处理中的一个重要任务，旨在从文本中识别和分类出具有特定意义的实体，如人名、地名、组织机构等。 BERT（Bidirectional Encoder Representations from Transformers）是一种预训练的语言模型，通过在大规模文本语料上进行无监督训练，学习到了丰富的语义表示。BERT-CRF-NER利用BERT模型作为特征提取器，将输入文本转化为词向量表示。 CRF是一种序列标注模型，常用于NER任务。它通过考虑上下文信息和标签之间的关系，对每个词进行标注。BERT-CRF-NER将BERT的输出作为输入序列，然后使用CRF层对每个词进行标注，得到最终的命名实体识别结果。 BERT-CRF-NER的优点是能够充分利用BERT模型学习到的语义信息，并且通过CRF层考虑上下文关系，提高了命名实体识别的准确性和鲁棒性。

“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 5
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