Amy_mm的博客

下载地址：https://arxiv.org/pdf/1912.03761v1.pdfcode：https://github.com/NYUMedML/GNN_for_EHR摘要基于电子病历和图神经网络预测AD。本文根据真实的EHR能够提前12-24个月预测AD,并且在稀疏电子病历中改善了预测性能。另外，本文通过模型学习每个图结构，进一步探索了不同诊断、实验室值以及电子病历流程之间的结构关...

论文链接：https://arxiv.org/abs/1711.11117code：https://github.com/marciahon29/Ryerson_MRP摘要：利用迁移学习解决医学图像数据较少的问题。VGG和inception是通过预训练的权重进行初始化，然后在全链接成只使用少量的MRI影像进行retrain。我们通过熵来选择信息量较大的图像进行训练。数据集：OASIS MR...

《Deep multi-task learning with low level tasks supervised at lower layers》论文来源：2016 ACL论文方向：multi-task learning摘要:本文创新点： 之前的多任务学习中 task supervision都是在网络的同一层（最外层）。本文提出的一种基于双向RNN的多任务学习架构，不同的任务可以在网络...

《A Multi-task Approach for Named Entity Recognition in Social Media Data》1. 摘要：社交信息的缺点：固有的噪声信息；不当的语法结构；拼写不连续以及大量的缩写词多任务框架： 使用命名实体分割的辅助任务和细粒度的命名实体分类的主要任务进行联合训练优点：多任务学习能够从字词序列、语法信息和地名词典信息中学习到更高阶的特征。...

paper title：《Chinese NER Using Lattice LSTM》摘要对于中文命名实体识别，我们研究了一种lattice结构的lstm模型（lattice-structured LSTM），这个模型能够对输入的字符序列以及序列中能够与字典相匹配的隐藏的词信息一同编码。相比于基于字粒度的方法，lattice的能够更好的利用字以及字序列的信息。相比于词粒度的方法，...

《Neural Architectures for Named Entity Recognition》摘要为了从有监督的比较小的训练词典中有效学习，最好的命名实体识别系统（named entity recognition）的实现很大部分依赖于手工标注的特征（features）和领域知识（domain-specific knowledge）。本论文介绍两个新的网络架构，一个是基于双向ls...

《Adversarial Transfer Learning for Chinese Named Entity Recognition with Self-Attention Mechanism》paper publisher: ACL 2018方向：NERsource code： https://github.com/CPF-NLPR/AT4ChineseNER摘要中文NER缺少大...