NLP领域内，文本分类、Ner、QA、生成、关系抽取等等，用过的最实用、效果最好的技巧或思想是什么？

最新推荐文章于 2024-04-06 09:48:59 发布
最新推荐文章于 2024-04-06 09:48:59 发布
阅读量421 收藏
点赞数 1
文章标签： 自然语言处理 分类 人工智能
原文链接：https://www.zhihu.com/question/451107745/answer/1801709801
版权
该博客分享了在自然语言处理（NLP）中，针对命名实体识别、文本分类、问答系统和关系抽取等任务的一些实用技巧和思想。作者提供了链接指向详细的资料，包括关于NER Trick、文本分类Trick、问答系统和关系抽取的深入探讨，旨在帮助读者了解和提升NLP领域的实践技能。
摘要由CSDN通过智能技术生成

作者：杨夕
链接：https://www.zhihu.com/question/451107745/answer/1801709801
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
 

命名实体识别用过的最实用、效果最好的技巧或思想可以看一下 这个

【关于 NER trick】 那些你不知道的事​github.com/km1994/NLP-Interview-Notes/blob/main/NLPinterview/ner/NERtrick/NERtrick.md

文本分类用过的最实用、效果最好的技巧或思想可以看一下 这个

【关于 文本分类 trick】那些你不知道的事​github.com/km1994/NLP-Interview-Notes/blob/main/NLPinterview/textclassifier/ClassifierTrick正在上传…重新上传取消

QA用过的最实用、效果最好的技巧或思想可以看一下 这个

【关于 问答系统】那些你不知道的事​github.com/km1994/NLP-Interview-Notes/blob/main/NLPinterview/QA正在上传…重新上传取消

关系抽取用过的最实用、效果最好的技巧或思想可以看一下 这个

km1994/NLP-Interview-Notes​github.com/km1994/NLP-Interview-Notes/blob/main/NLPinterview/RelationExtraction正在上传…重新上传取消

km1994/NLP-Interview-Notes

【关于 关系抽取】那些你不知道的事​github.com/km1994/NLP-Interview-Notes/blob/main/NLPinterview/RelationExtraction正在上传…重新上传取消

其他任务可以参考

【关于 NLP】那些你不知道的事​github.com/km1994/NLP-Interview-Notes

 

Necther
关注
超详细讲解Transformers自然语言处理NLP文本分类、情感分析、垃圾邮件过滤等（附数据集下载）
代码讲故事
01-12 382
超详细讲解Transformers自然语言处理NLP文本分类、情感分析、垃圾邮件过滤等（附数据集下载）
【面筋】NER技巧
Finks
07-07 198
【面筋】NER技巧 文章目录【面筋】NER技巧trick 1：领域词典匹配trick 2：规则抽取trick 3：词向量选取：词向量 or 字向量？trick 4：特征提取器 如何选择？trick 5：专有名称 怎么 处理？trick 6：标注数据 不足怎么处理？trick 7：嵌套命名实体识别怎么处理7.1 什么是实体嵌套？7.2 与 传统命名实体识别任务的区别7.3 解决方法：7.3.1 方法一：序列标注7.3.2 方法二：指针标注7.3.3 方法三：多头标注7.3.4 方法四：片段排列trick 8：
NLP 专题论文解读：从 Chatbot 到 NER | PaperDaily #11
weixin_34044273的博客
11-09 338
对话系统 1. 论文动机 论文来自华为诺亚方舟实验室。 都说人工智能要有情感，能体会到人的喜怒哀乐，今天就来介绍一篇带有情绪的 chatbot。在以往的研究中，大部分对话系统都只关注生成对话的语法语义是否合理，这里面有考虑上下文的，有结合主题的，有生成长句子的等等。但很少有对话系统关注情感，这是很不合理的。因为在聊天中，当一个人表示难过的时候，另一...
NLP-QA
muruibin88的博客
09-25 730
QA跟踪 数据集： https://www.imooc.com/article/24766 1.DuReader(百度)：https://www.imooc.com/article/24845?block_id=tuijian_wz 所有的问题、原文都来源于实际数据（百度搜索引擎数据和百度知道问答社区），答案是由人类回答的。 数据集中包含大量的之前很少研究的是非和观点类的样本。 每个问...
揭开知识库问答KB-QA的面纱3·信息抽取篇
omnispace的博客
05-11 1591
内容速览你是如何通过知识库回答问题的如何确定候选答案如何对问题进行信息抽取如何筛选候选答案论文实验与总结本期我们将介绍KB-QA传统方法之一的信息抽取（Information Extraction），我们以一个该方法的经典代表作为例，为大家进一步揭开知识库问答的面纱。该方法来自约翰·霍普金斯大学Yao X, Van Durme B.的 Information Extraction over Str...
NLP合集:教程/实体抽取/关系(三元组)抽取/文本分类/知识图谱/Bert系列/相似度判定/机器人问答/文本工具/竞赛方案精选/面试指南/NLP各类任务数据集等集合
qq_42189083的博客
12-24 5212
Cool-NLPCV （持续更新中…） Some Cool NLP and CV Repositories and Solutions Cool-NLP | Cool-CV 旨在收集NLP中常见任务的开源解决方案、数据集、工具、学习资料等，方便学习或快速查找。在此分享出来，供大家参考。欢迎积极分享并Star，谢谢! 会持续不定时更新，也欢迎加入共同分享。 1、机器学习&深度学习入门精选 Python-100天从新手到大师 斯坦福大学2014（吴恩达）机器学习教程中文笔记 《统计学习方法》第二版的代
中文医学NLP公开资源整理：术语集/语料库/词向量/预训练模型/知识图谱/命名实体识别/QA/信息抽取/模型/论文/etc-python
06-18
在IT领域，自然语言处理（NLP）是一个关键的研究方向，尤其在中文医学NLP方面，它涉及到大量的数据集、工具、模型和方法。本文将详细介绍标题和描述中提到的各种资源，包括术语集、语料库、词向量、预训练模型、知识...
基于特定领域的生物医学自然语言处理任务基准测试_Benchmarking for Biomedical Natural Lang
01-27
在自然语言处理（NLP）领域，特别是在生物医学这一特定领域，基准测试是评估和比较模型性能的关键。本文“基于特定领域的生物医学自然语言处理任务基准测试_Benchmarking for Biomedical Natural Language ...
awesome_Chinese_medical_NLP：中文医学NLP公开资源整理：术语集语料库词向量预训练模型知识图谱命名实体识别QA信息抽取模型论文等
02-03
《中文医学自然语言处理资源概览》 在当今数字化医疗时代，中文医学自然语言处理（NLP）成为了医学信息提取、分析与理解的关键技术。"awesome_Chinese_medical_NLP"是一个精心整理的资源集合，涵盖了术语集、语料库...
KB-QA：如何对问题进行信息抽取？
datayx的文章
05-16 909
向AI转型的程序员都关注了这个号????????????机器学习AI算法工程 公众号：datayx内容速览你是如何通过知识库回答问题的如何确定候选答案如何对问题进行信息抽取如何筛选候...
NLP系列文章（二）——NLP领域任务分类、NNLM语言模型
qq_34519492的博客
08-10 2120
接上篇文章《NLP系列文章（一）——按照学习思路整理发展史》继续讲述NLP预训练的那些事 1、NLP领域任务分类 通常，NLP问题可以划分为四类任务：序列标注、分类任务、句子关系判断、生成式任务。 序列标注：典型的NLP任务，比如分词、词性标注、命名体识别、语义角色标注……，序列标注任务的特点是句子中每个单词都要求模型根据上下文给出一个分类类别。 分类任务：比如文本分类、情感计算……，分类任务的特点是不管文章长度，总体上能给出一个分类类别。 句子关系判断：比如蕴含（entailment）、QA、语义.
【论文笔记】QANet模型
const的博客
06-05 1万+
前序 1. Abstract 2. Introduction 3. Model 3.1 Input embedding layer 3.2 Embedding Encoder Layer 前序 论文：QANET: COMBINING LOCAL CONVOLUTION WITHLOBAL SELF-ATTENTION FOR READING COMPREHENSION T...
推荐开源项目：2020CCF-NER - 强大的命名实体识别工具
最新发布
gitblog_00076的博客
04-06 480
推荐开源项目：2020CCF-NER - 强大的命名实体识别工具 项目地址:https://gitcode.com/BaberMuyu/2020CCF-NER 2020CCF-NER 是一个基于深度学习的命名实体识别（NER）模型，由BaberMuyu贡献到GitCode社区。该项目利用现代自然语言处理技术，帮助开发者和研究人员快速准确地从文本中提取关键信息，如人名、组织名、地点等。 技术分析 2...
在文本分类和ner领域的基于prompting的论文解读
samoyan的博客,记录技术成长~
01-17 562
1、pet(pattern exploit training) Exploiting Cloze Questions for Few Shot Text Classification and Natural Language Inference classification_pet_seq2seq: toolkit4nlp/classification_pet_seq2seq.py at master · xv44586/toolkit4nlp · GitHub classification_tnew
Python ark-nlp文本分类，命名实体识别，关系抽取，文本匹配，预训练模型，机器学习，深度学习，ERNIE，NEZHA
L_goodboy的博客
04-12 3464
Python ark-nlp文本分类，命名实体识别，关系抽取，文本匹配，预训练模型，机器学习，深度学习，ERNIE，NEZHA
直播预告：基于强化学习的关系抽取和文本分类 | PhD Talk #18
Paper weekly
11-20 1712
「PhD Talk」是 PaperWeekly 的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。这是第 18 期「PhD Talk」 随着强化学习在机器人和游戏 AI 等领域的成功，该方法也引起了越来越多的关注。本期 PhD Talk，来自清华大学计算机系的博
CNN在NLP领域的实践（1） 文本分类
热门推荐
diye2008的博客
11-09 2万+
众所周知，卷积神经网络（CNN）在计算机视觉领域取得了极大的进展，但是除此之外CNN也逐渐在自然语言处理（NLP）领域攻城略地。本文主要以文本分类为例，介绍卷积神经网络在NLP领域的一个基本使用方法，由于本人是初学者，而且为了避免东施效颦，所以下面的理论介绍更多采用非数学化且较为通俗的方式解释。 0.文本分类 所谓文本分类，就是使用计算机将一篇文本分为a类或者b类，属于分类问题的一种
机器阅读理解（MRC）和问答（QA）在信息抽取中的应用
CycloneKid的博客
06-26 6489
一 机器阅读理解（MRC）、问答系统（QA）与信息抽取 最近实体关系抽取任务和命名实体识别任务的SOTA模型排行榜中，有很多模型使用到了机器阅读理解（MRC）和问答系统（QA）中思想和方法，如HBT、ETL-span、Multi-turn QA和BERT_MRC等，MRC和QA中的思想和方法的使用，让这些模型相比于传统方法有很大提升。 在实体关系抽取任务中，最新的一些模型，如HBT和ETL-span，用到了MRC中经常使用的指针网络方法，通过多层标注序列解决实体重叠问题；Multi-turn QA则使用了问
PyTorch入门：首个文本分类模型实战与处理技巧
文本分类是自然语言处理中的一个重要任务，它涉及对文本进行分类，如情感分析、主题识别等。在这个过程中，关键点包括如何处理词汇表外的单词，即在实际应用中可能遇到的未在训练词汇中出现的新词。PyTorch提供了...
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