Named Entity Recognition with Bidirectional LSTM-CNNs 论文阅读笔记

最新推荐文章于 2024-09-26 07:35:13 发布
最新推荐文章于 2024-09-26 07:35:13 发布
阅读量2.6k 收藏 11
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 自然语言处理 文章标签： NER nlp 自然语言处理
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/qq_33278884/article/details/88903871

 

该论文是发表于2016年。还算是比较早的论文了。虽然现在有更好的模型。比如BERT横空出世，相信未来也会源源不断的大牛来提出更多新的模型。但是读读总还是会收获的。之前自己也用BERT来进行中文NER的识别，代码放到了 https://github.com/xuanzebi/BERT-CH-NER 欢迎Star啊哈哈。

论文网络模型图

 

 

论文解读

 

论文处理的是英文。是在CONLL2003 的数据集上针对NER任务提出的一项新模型。

主要是将字符级别的特征经过CNN和词级别的特征进行concat.之后经过双向LSTM进行NER预测。

这样能够更好的利用到前缀后缀之类的字符级特征。而且可以减少人工构造特征的工作。

 

自己在理解清字符级别的维度和词级别的维度如何concat上当时绕进去了，所以总结一下最后如何保持维度一致进行concat的。

seq_len = len(句子长度按词划分)   
​
word_emb = embedding(词) = 100维   词向量embedding
​
char_dim = 52个。 将字符扩展到每个词含有52个.不够的padding    
最低0.47元/天 解锁文章

200万优质内容无限畅学
Named Entity Recognition with Bidirectional LSTM-CNNs论文翻译及理解
weixin_37195726的博客
11-19 2099
Named Entity Recognition with Bidirectional LSTM-CNNs论文翻译及理解摘要1介绍新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，...
论文笔记：[ACL2016]End-to-end Sequence Labeling via Bi-directional LSTM-CNNs-CRF
YoungDreamNJU的博客
01-11 1万+
文章：Ma X, Hovy E. End-to-end Sequence Labeling via Bi-directional LSTM-CNNs-CRF[J]. 2016. 发表在ACL2016上。我认为这是一篇写的非常清楚的文章。本文要解决的是序列标注的问题，可用于POS、NER等任务。
《Named Entity Recognition with Bidirectional LSTM-CNNs》论文笔记
热爱永不过时！
11-10 1307
一、摘要 命名实体识别任务通常需要大量的外部知识，如很好的特征提取、字典等等。 本文提出了一种新的神经网络架构，这个架构可以通过使用双向LSTM和CNN的混合模型自动提取单词级和字符级的特征，避免了大量特征工程的工作。 提出了词汇表部分匹配算法，通过BIOES Annotation 去对词汇表中的单词前缀后缀进行匹配。 通过引入使用公共资源构建的词汇表，本文的模型在CONLL-2003数据集上取得91.62的F1值，在OneNotes数据集上取得86.28的F1值。 二、介绍 传统的模型，如CRF、
《Named Entity Recognition with Bidirectional LSTM-CNNs》 思维导图笔记
Rock_y的博客
10-11 253
Named Entity Recognition with Bidirectional LSTM-CNNs 发表于2016年，下面以思维导图的形式做出了笔记
开源项目 `Named-Entity-Recognition-with-Bidirectional-LSTM-CNNs` 使用教程
最新发布
gitblog_00055的博客
09-26 601
开源项目 Named-Entity-Recognition-with-Bidirectional-LSTM-CNNs 使用教程 1. 项目的目录结构及介绍 Named-Entity-Recognition-with-Bidirectional-LSTM-CNNs/ ├── data/ │ ├── conll2003/ │ │ ├── eng.testa │ │ ├── eng....
Named Entity Recognition（NER）
Sigmoid
09-24 287
NER的简单综述
End-to-end Sequence Labeling via Bi-directional LSTM-CNNs-CRF
07-03
PennTreebank WSJ corpus for part-of-speech(POS) tagging and CoNLL 2003 cor-pus for named entity recognition (NER). We obtain state-of-the-art performance on both datasets — 97.55% accuracy for POS ...
提升命名实体识别准确率：双向LSTM-CNN模型及其实现
15. **Named-Entity-Recognition-with-Bidirectional-LSTM-CNNs-master：** 这个文件名暗示了一个包含双向LSTM和CNN结构的命名实体识别项目的源代码和相关文件。文件名中的"master"表明这是项目的主分支或主版本。 ...
Named Entity Recognition
weixin_43331679的博客
04-12 189
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
命名实体识别（Named Entity Recognition，NER）
热门推荐
幸福驿站
03-15 1万+
命名实体识别（Named Entity Recognition，NER）命名实体识别（NER）其目的是识别语料中人名、地名、组织机构名等命名实体，识别文本中具有特定意义的实体。它是自然语言处理实用化的重要内容，在信息提取、句法分析、机器翻译等应用领域中具有重要的基础性作用。命名实体识别一 方面要识别实体边界，另一方面要识别实体类别（人名、地名、机构名或其他）。就汉语系统来讲，确定实体边界主要和分词...
Tensorflow - Named Entity Recognition
omnispace的博客
05-08 589
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
03-15 319
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
06-27 992
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
03-29 421
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 2740
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 2929
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
06-14 982
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 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