ACL2019——命名实体识别论文

最新推荐文章于 2022-09-24 19:14:51 发布
最新推荐文章于 2022-09-24 19:14:51 发布
阅读量1.2k 收藏 6
点赞数
分类专栏： 命名实体识别 文章标签： acl 命名实体识别 论文
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.youkuaiyun.com/XB_please/article/details/106812064
版权
本文综述了当前自然语言处理领域中命名实体识别的最新研究进展，包括远程监督、双对抗神经迁移、多粒度实体识别等方法，以及利用词典增强神经网络模型的实体识别效果。探讨了高精度实体识别的半马尔科夫结构支持向量机模型，并介绍了针对特定语言如泰卢固语-英语混杂社交媒体数据的实体识别语料库创建与分析。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1.Distantly Supervised Named Entity Recognition using Positive-Unlabeled Learning

2.Dual Adversarial Neural Transfer for Low-Resource Named Entity Recognition

3.Multi-grained Named Entity Recognition

4.A Joint Named-Entity Recognizer for Heterogeneous Tag-sets Using a Tag Hierarchy

5.NNE: A Dataset for Nested Named Entity Recognition in English Newswire

6.Towards Improving Neural Named Entity Recognition with Gazetteers

7.A Semi-Markov Structured Support Vector Machine Model for High-Precision Named Entity Recognition

8.Corpus Creation and Analysis for Named Entity Recognition in Telugu-English Code-Mixed Social Media Data

9.Joint Learning of Named Entity Recognition and Entity Linking

GPT3：语言模型在命名实体识别中的应用(GPT3:Applicationof GPT 3 in Named Entity Recognition
AI天才研究院
07-26 2900
自然语言处理（NLP）是计算机科学的一个研究领域，旨在从文本或其他形式的语言中提取结构化信息并进行分析、理解、存储和处理等一系列任务。随着深度学习技术的不断推进，近年来基于神经网络的语言模型也逐渐火爆起来，实现了强大的预测能力。虽然传统的机器学习方法已经能够胜任很多复杂任务，但对于一些特定的任务，依靠传统的方法往往存在一些局限性，例如：对长文本的命名实体识别。今天，通过命名实体识别，我们可以对输入的文本中潜藏的主题及其相关的术语进行分类、定位、识别。
自然语言处理之命名实体识别：BERT：11.命名实体识别实战：英文命名实体识别
最新发布
zhubeibei168的博客
04-16 508
BERT, 即Bidirectional Encoder Representations from Transformers，是由Google在2018年提出的一种基于Transformer的预训练模型。它通过在大量未标注文本上进行双向训练，能够理解上下文中的词语关系，从而在多种自然语言处理任务中展现出色的性能。BERT的核心优势在于其能够生成词的上下文相关表示，这使得它在处理语言理解任务时，能够捕捉到词语在不同语境下的细微差别。
命名实体识别论文复现
DecafTea的博客
01-01 672
Reference： [1]【机器学习】【白板推导系列】https://www.bilibili.com/video/BV1aE411o7qd?p=104 [2] LSTM-CRF 知识图谱、信息抽取 https://www.bilibili.com/video/BV1K54y117yD/?spm_id_from=333.788.videocard.1 [3] 论文：https://arxiv.org/pdf/1508.01991.pdf ...
2021ACL 命名实体识别论文汇总
Conan的博客
07-19 5716
2021 ACL已接受论文网址：https://2021.aclweb.org/program/accept/ 命名实体识别论文汇总： 1、Named Entity Recognition with Small Strongly Labeled and Large Weakly Labeled Data 论文链接：https://arxiv.org/abs/2106.08977 2、Locate and Label: A Two-stage Identifier for Nested Named E
Named Entity Recognition（NER）
Sigmoid
09-24 261
NER的简单综述
Named Entity Recognition
weixin_43331679的博客
04-12 177
神经网络基础知识 Deep feedforward network 对于输入 xxx，神经网络想要找到映射 y=f(x;θ)y=f(x;\theta)y=f(x;θ)和合适的参数 θ\thetaθ，使得其预测尽量接近于真实函数 f∗f^*f∗。 前馈：所有信息都从输入 xxx 经过中间某些计算最终输出到 yyy 损失函数 NER NER问题定义 目的是找到文本中的名字并对其进行分类。有的时候很难判断一个词是不是named entity。 Window Classification 对该词再某一窗口内附近的词
浅谈嵌套命名实体识别（Nested NER）
Paper weekly
04-06 6545
©PaperWeekly 原创 ·作者｜张成蹊单位｜北京大学硕士生研究方向｜自然语言处理序命名实体识别（Named Entity Recognition, 下称 NER）任务，主要目...
通过统一多模态Transformer(UMT)的实体扫描检测（ESD）来改进多模态命名实体识别（MNER）
凉了个茶
02-09 5292
通过统一多模态Transformer(UMT)的实体扫描检测（ESD）来改进多模态命名实体识别（MNER） 论文名称：Improving Multimodal Named Entity Recognition via Entity Span Detection with Unified Multimodal Transformer 论文作者：Jianfei Yu, Jing Jiang, Li Yang, Rui Xia 论文地址：2020.acl-main.306 https://www.aclweb.o
基于pycrfsuite和sklearn_crfsuite的命名实体识别NER实战【以CoNLL2002数据集为基准】
Together_CZ的博客
07-09 2830
文本分词、词性标注和命名实体识别都是自然语言处理领域里面很基础的任务，他们的精度决定了下游任务的精度，其实在这之前我并没有真正意义上接触过命名实体识别这项工作，虽然说读研期间断断续续也参与了这样的项目，但是毕业之后始终觉得一知半解的感觉，最近想重新捡起来，以实践为学习的主要手段来比较系统地对命名实体识别这类任务进行理解、学习和实践应用。 对于我个人来说学习一个新的东西，比较喜欢实践为主去学习，因为最开始接触机器学习的时候都是从空洞的理论开始的，后来学了好久发现，这些理论知识的学习固然...
命名实体识别（Named Entity Recognition，NER）
victoriaGYR的博客
12-13 4024
  命名实体识别（Named Entity Recognition，NER）属于NLP中一个关键性基础任务，概念从字面意思上就可以理解，即识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。    从早期基于词典和规则的方法，到传统机器学习的方法，到近年来基于深度学习的方法，NER研究进展的大概趋势大致如下图所示。   在基于机器学习的方法中，NER被当作序列标注问题。利...
Tensorflow - Named Entity Recognition
omnispace的博客
05-08 576
Tensorflow - Named Entity Recognition Each folder contains a standalone, short (~100 lines of Tensorflow), main.py that implements a neural-network based model for Named Entity Recognition (NER) usin...
Named Entity Recognition with Partially Annotated Training Data（ACL2019）
m0_37584687的博客
03-15 301
1. Introduction 在一些语料资源匮乏的语种中，可用的数据可能只是部分标注的（部分NE正确标注，部分NE被标注为O），如下图所示： 其中标签为NE的token可视为positive instance，标签为O的的token被视为negtive instance，被错分为O的NE就称为False Negative。本文提出了一种基于约束驱动的迭代算法（constraint-driven iterative algorithm）来学习发现噪声数据中的Negative False样例并降低他们的权重
A Unified MRC Framework for Named Entity Recognition
Jeaksun的博客
06-27 974
将NER的序列标注任务看作一项MRC任务，此方法可以引入query先验知识，对于不同类别的重叠实体回答不同的独立问题，可以解决重叠实体问题。
Named Entity Recognition for Chinese Social Media with Jointly Trained Embedding 笔记
qq_43708647的博客
03-29 398
摘要 中文NER主要针对正式文本，对于社交媒体的NER主要在英语上，本文标注了一个新的微博数据集，标注有名称和一些名词性提及 1.介绍 一个中文NER 传统是利用lexical embedding来提高NER性能，然而不像其他语言，我们不能使用自动分词来为中文单词赋值一个Embedding,这是不可信的，所以中文NER model都tag word 2.NER for Chinese Social Media 社交媒体的不正式性很明显对NLP系统造成了重大的困难，例如拼写错误，新颖的词以及非语法构造。中文也
【论文阅读】A Unified MRC Framework for Named Entity Recognition
麦格芬230的博客
08-12 2716
一、论文摘要 （一）解决"嵌套型"的NER(Nested NER)的问题 嵌套NER，顾名思义，就是识别的实体中可能会存在嵌套的情况。比如北京大学不仅是一个组织，同时北京也是一个地点；雅诗兰黛小棕瓶是一个产品，同时雅诗兰黛是一个品牌。 （二）使用MRC阅读理解的方式做NER 相比于传统的序列标注做法，使用MRC方式做NER好处在于引入了query这个先验知识，比如对于LOC类别，我们构造这样的query：找出国家，城市，山川等抽象或具体的地点。模型通过attention机制，对于query中的国..
Transformers预训练模型使用：命名实体识别 Named Entity Recognition
HMT的博客
01-10 2853
命名实体识别的任务是对每一个token都进行分类。比如，识别这个token是不是一个人名、组织名或地名。命名实体识别的一个数据集是CoNLL-2003，这个数据集完全契合这个任务。 使用pipeline 下面是一个使用pipeline实现命名实体识别的样例。首先，要定义9中标签分类： O：不是命名实体。 B-MIS：其他类命名实体的开始标记。 I-MIS：其他类命名实体的中间标记。 B-PER：人名的开始标记。 I-PER：人名的中间标记。 B-ORG：组织名的开始标记。 I-ORG：组织名的中间标记。
Unified Named Entity Recognition as Word-Word Relation Classification
Jeaksun的博客
06-14 956
最近，人们对统一NER产生了越来越大的兴趣，用一个单一的模式同时处理flat、nested、不连续三项工作。目前性能最好的方法主要包括基于SPAN的模型和序列到序列模型，但遗憾的是，前者只关注边界识别，而后者可能会受到曝光偏差的影响。 本文提出了一种新的替代方案，通过将统一的NER建模为word-word关系分类，即W2NERW^2NERW2NER。...
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