Embedding Transfer for Low-Resource Medical Named Entity Recognition: A Case Study on Patient ...

最新推荐文章于 2024-04-20 09:40:30 发布
原创 最新推荐文章于 2024-04-20 09:40:30 发布 · 353 阅读 · 0 ·
CC 4.0 BY-SA版权
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。

博客提及了预初始化（preinitialization）和连接（concatenation）相关内容，这些属于信息技术领域概念。

 

 preinitialization 

concatenation

医学领域的命名实体识别（Medical Named Entity Recognition）：代码和数据示例
PlHtml的博客
09-24 1249
命名实体识别（Named Entity Recognition，简称NER）是自然语言处理领域中的一个重要任务，旨在从文本中识别出具有特定意义的实体，如人名、地名、组织机构名等。在医学领域，NER的应用具有重要的实际意义，可以帮助医疗领域的研究人员和从业人员更好地处理和分析大量的医学文本数据。在示例文本中，我们成功识别出了"化疗治疗"、"阿司匹林"和"布洛芬"这三个医学领域的命名实体，并为它们分别标注了对应的类别，如TREATMENT（治疗）、DRUG（药物）等。二、医学领域命名实体识别的代码实现。
《Few-Shot Named Entity Recognition: A Comprehensive Study》论文笔记
Vincy_King
01-06 2756
Few-Shot Named Entity Recognition: A Comprehensive Study 最近发现读论文get idea有点困难，不如参考大佬的笔记来做做总结，今天主要总结一下few-shot NER，这是一篇few-shot NER的综述《Few-Shot Named Entity Recognition: A Comprehensive Study》 1. Motivation NER一种经典的方法是在PLM提供的表示之上添加一个线性分类器，并在域标签上使用交叉熵目标来微调整个模
Raki的读paper小记：Soft Gazetteers for Low-Resource Named Entity Recognition
Raki_J的博客
02-13 646
Abstract & Introduction & Related Work 研究任务 低资源的命名实体识别 已有方法和相关工作 将基于语篇标签、词形和手动创建的实体列表（称为地名索引）的语言学特征整合到神经模型中会导致 在英语数据上实现更好的NER 面临挑战 但直接将地名词典特征整合到这些模型中是很困难的，因为这些语言的地名词典要么覆盖范围有限，要么完全没有。由于缺乏可用的低资源语言的注释者，扩展它们既费时又费钱。 创新思路 引入了soft-gazetteers，一种基于高
Improving Low-Resource Named Entity Recognition using Joint Sentence and Token Labeling（ACL2020）
m0_37584687的博客
03-15 639
1. Summary 本文针对low-resource NER任务——小语种电商NER任务，提出了一种使用句子标签（易获得）与token-level NER的联合训练方法，该方法表明联合句子标签可有效提升low-resource NER的识别性能。本文的亮点主要是提出了利用sentence label的联合训练模型，并对attention机制进行了探究实验，发现使用self-learned的放缩因子效果更好。 2. Content 2.1 联合训练模型如下图所示： 其中，句子分类任务与NER任务除输出层均
论文：Crowdsourcing Learning as Domain Adaptation: A Case Study on Named Entity Recognition
Hekena的博客
09-05 263
在众包学习模型中，减少众包中的噪声问题的方式：（1）majority voting（2）减小众包数据和gold standard annotation（一般指专家标注的数据集）之间的距离。文章思路。
医学命名实体识别工具：MedicalNamedEntityRecognition
最新发布
gitblog_00047的博客
04-20 526
医学命名实体识别工具：MedicalNamedEntityRecognition 去发现同类优质开源项目:https://gitcode.com/ 是一个基于深度学习的开源项目，旨在帮助医学领域的研究人员和开发者自动化地识别和分类医学文献中的关键实体，如疾病、症状、药物等。该项目通过应用自然语言处理（NLP）技术，能够大幅提高文本挖掘效率，从而促进医疗信息的智能化处理。 技术分析 该项目的核心是利...
NER[2] - 文章解读：A Survey on Deep Learning for Named Entity Recognition
ZhuNian的学习乐园
07-13 3397
本文是翻译一篇NER综述原文：A Survey on Deep Learning for Named Entity Recognition 文章链接：https://arxiv.org/abs/1812.09449v3
【论文精读】GPT-NER: Named Entity Recognition via Large Language Models
HERODING23的博客
05-03 8069
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。
MECT: Multi-Metadata Embedding based Cross-Transformer forChinese Named Entity Recognition论文实验复现记录
m0_51277266的博客
01-24 2890
萌新第一次复现实验，做得磕磕绊绊的，简单记录一下 论文链接：https://arxiv.org/pdf/2104.07204.pdf 代码地址：https://github.com/CoderMusou/MECT4CNER 补充： 关于anaconda https://www.jianshu.com/p/62f155eb6ac5 pytorch 官网 https://pytorch.org/get-started/locally/ 关于linux https://blog.csdn....
[文献阅读]—一篇不错的低资源机器翻译综述(Neural Machine Translation for Low-Resource Languages: A Survey)
jokerxsy的博客
12-06 4104
前言 论文地址：https://arxiv.org/abs/2106.15115v1 时间线 1947：Warren Weaver提出了机器翻译的可能性 1954：IBM发明了word-for-word翻译系统 技术 数据增强（data augmentation） 主要包含：1. 基于单词和短语替换产生伪平行语料的方法；2. 基于回译产生伪平行语料的方法；3. 基于多语言预训练模型挖掘平行语料的方法 基于单词、短语替换的数据增强（坑1） 利用双语词典，替换选定句子的所有单词或稀有词，产生对应翻译[119]
基于CRF的电子病历命名实体识别研究
07-27
随着医疗信息化的发展，医院产生了大量的医疗数据信息，积累了庞大的医疗电子病历数据。电子病历（EMR）是具有非结构化句子和多种概念表达，为医学信息提取提供了丰富的信息。然而，庞大的数据信息严重影响处理效率，因此提取电子病历中的命名实体成为研究的热点问题。为提高医院对复杂数据的处理效率，减轻工作人员的压力，本文提出了一种基于条件随机场（CRF）模型和特征模板结合的算法，来识别中文电子病历中的命名实体单元，识别准确率可以达到92.9%，可以有效地识别电子病历命名实体。基于本文采用的方法可以来结构化电子病历，减轻医生负担，推动医疗领域的发展。
DATnet:用于序列标记的双重对抗神经传递（DATNets）的实现，能够处理序列标记任务，例如POS标记，NER，分块等。
05-26
用于序列标记的双重对抗神经传递 的源代码 周天一，张浩，金晋，朱宏远，孟芳，李克雄和郭健，“双重对抗神经网络转移技术用于低资源命名实体识别”，计算语言学协会（ACL）第57届年会2019，长篇论文，口头），佛罗伦萨，意大利，2019。 Joey Tianyi Zhou，张浩，Di Jin，Peng Peng，“序列标记的双重对抗神经传递”，《 IEEE模式分析和机器智能交易》（IEEE TPAMI），2019年。 如果您认为该项目对您的研究有所帮助，请引用以下论文 @inproceedings { zhou2019dual_c , title = { Dual Adversarial Neural Transfer for Low-Resource Named Entity Recognition } , author = { Zhou, Joey Tianyi and Z
【翻译】 Robust and Domain-Adaptive Approach for Low-Resource Named Entity Recognition
Arno_An的博客
12-08 901
A Robust and Domain-Adaptive Approach for Low-Resource Named Entity Recognition 一种鲁棒的域自适应低资源命名实体识别方法 原文链接 文章目录Abstract1 introduction2 Related Work2.1 Learning-based methods2.2 Domain-specific Pre-training Methods3 Approach： RDANER3.1 LM Fine-tuning3.2 Boot
ACL2020_Improving Low-Resource Named Entity Recognition using Joint Sentence and Token Labeling
All in.的博客
01-21 698
ACL2020_Improving Low-Resource Named Entity Recognition using Joint Sentence and Token LabelingAbstractIntroductionJoint learning framework for multi-class classificationShared layersSentence classificationNERRevisiting attention mechanismsExperimentsDatas
【调试记录】MedicalNamedEntityRecognition医学命名实体识别——中科院刘焕勇老师命名实体识别项目
weixin_44516362的博客
08-05 1109
项目代码以及参考：https://gitee.com/gaodan1123/MedicalNamedEntityRecognition 这篇用于记录我下载项目后在自己的编译器上调试的过程，主要解决的是各种版本不兼容问题。 tensorflow版本问题 一开始将项目放在tensorflow=2.2的环境中运行，报错表示tensorflow2.0以上版本使用了tensorflow1.0+的API，为了避免麻烦，我新建了一个虚拟环境，安装tensorflow=1.8，重新进行调试。 而在tensorflow1.8
NLP在线医生-BiLSTM+CRF命名实体识别（二）
码python的Vinsmoke
11-14 9309
6.1 命名实体识别介绍 学习目标: 了解什么是命名实体识别 了解命名实体识别的作用 了解命名实体识别常用方法 了解医学文本特征 什么是命名实体识别: 命名实体识别(Named Entity Recognition，NER)就是从一段自然语言文本中找出相关实体，并标注出其位置以及类型。是信息提取, 问答系统, 句法分析, 机器翻译等应用领域的重要基础工具, 在自然语言处理技术走向实用化的过程中占有重要地位. 包含行业, 领域专有名词, 如人名, 地名, 公司名, 机构名, 日期, 时间,
Instance Embedding Transfer to Unsupervised Video Object Segmentation阅读笔记
FLY的博客
01-25 1316
Instance Embedding Transfer to Unsupervised Video Object Segmentation 论文简介 我们提出了一种通过传输封装在基于图像的实例嵌入网络中的知识来进行无监督视频对象分割的方法。实例嵌入网络为每个像素生成嵌入向量，以便识别属于同一对象的所有像素。虽然在静态图像上进行了训练，但实例嵌入在连续的视频帧上是稳定的，这使我们可以随时间将对象链接...
Medical-named-entity-recognition-master项目debug
To be a better man
03-18 1063
实验环境：Windows10 Python version:3.8 (这个版本问题影响不大) 首先讲一下跑这个lstm_train.py问题，遇见了 错误解决：ModuleNotFoundError: No module named 'keras_contrib' 这个很玄学，最后我用电脑连接手机热点可以下载了（可能所里的网与外网连接有特殊网关） 使用的命令 pip install git+git://www.github.com/keras-team/keras-contrib.git
基于BiLSTM+CRF医学病例命名实体识别项目
小马日记
09-09 7673
一、研究背景 为通过项目实战增加对命名实体识别的认识，本文找到中科院软件所刘焕勇老师在github上的开源项目，中文电子病例命名实体识别项目MedicalNamedEntityRecognition。对其进行详细解读。 原项目地址：https://github.com/liuhuanyong/MedicalNamedEntityRecognition 修改版项目地址（详细注释）：待补充 二、项目介...
mect: multi-metadata embedding based cross-transformer for chinese named entity recognition
04-12
Q：「b'mect: multi-metadata embedding based cross-transformer for chinese named entity recognition'」是什么？ A：「b'mect: multi-metadata embedding based cross-transformer for chinese named entity recognition'」是一篇关于中文命名实体识别的论文，提出了一种新的算法来提高命名实体识别的准确率和效率。论文中提出的算法名为「BMECT」，利用多个元数据的嵌入和交叉变换的方式来提高模型的性能。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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