期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习的命名实体识别综述
被引量：
32
1
作者
邓依依
邬昌兴
+2 位作者
魏永丰
万仲保
黄兆华
《中文信息学报》
CSCD
北大核心
2021年第9期30-45,共16页
命名实体识别是自然语言处理的基础任务之一,目的是从非结构化的文本中识别出所需的实体及类型,其识别的结果可用于实体关系抽取、知识图谱构建等众多实际应用。近些年,随着深度学习在自然语言处理领域的广泛应用,各种基于深度学习的命...
命名实体识别是自然语言处理的基础任务之一,目的是从非结构化的文本中识别出所需的实体及类型,其识别的结果可用于实体关系抽取、知识图谱构建等众多实际应用。近些年,随着深度学习在自然语言处理领域的广泛应用,各种基于深度学习的命名实体识别方法均取得了较好的效果,其性能全面超越传统的基于人工特征的方法。该文从三个方面介绍近期基于深度学习的命名实体识别方法:第一,从输入层、编码层和解码层出发,介绍命名实体识别的一般框架;第二,分析汉语命名实体识别的特点,着重介绍各种融合字词信息的模型;第三,介绍低资源的命名实体识别,主要包括跨语言迁移方法、跨领域迁移方法、跨任务迁移方法和集成自动标注语料的方法等。最后,总结相关工作,并提出未来可能的研究方向。
展开更多
关键词
命名
实体
识别
汉语
命名
实体
识别
低
资源
命名
实体
识别
深度学习
下载PDF
职称材料
面向低资源命名实体识别的BiLSTM-Att-BCRF模型
被引量：
1
2
作者
钟茂生
吴佳华
+1 位作者
罗玮
吴水秀
《江西师范大学学报（自然科学版）》
CAS
北大核心
2022年第5期460-467,共8页
在低资源场景下,由于受训练数据量少的限制,现有模型的参数不能拟合到预期效果,所以导致模型识别实体的性能不佳.该文提出一种融入伯努利分布(Bernoulli distribution)的新型损失函数,使模型能较好拟合数据.此外,该文在BiLSTM-CRF模型...
在低资源场景下,由于受训练数据量少的限制,现有模型的参数不能拟合到预期效果,所以导致模型识别实体的性能不佳.该文提出一种融入伯努利分布(Bernoulli distribution)的新型损失函数,使模型能较好拟合数据.此外,该文在BiLSTM-CRF模型基础上融合多层字符特征信息和自注意力机制,并结合基于伯努利分布的新型损失函数,构建了BiLSTM-Att-BCRF模型.BiLSTM-Att-BCRF模型在20%的CONLL2003和20%的BC5CDR的数据集上,F_(1)值在BiLSTM-CRF模型基础上分别提升了7.00%和4.08%,能较好地适应低资源命名实体识别任务.
展开更多
关键词
低
资源
命名
实体
识别
神经网络
伯努利分布
自注意力机制
下载PDF
职称材料
题名
基于深度学习的命名实体识别综述
被引量：
32
1
作者
邓依依
邬昌兴
魏永丰
万仲保
黄兆华
机构
华东交通大学软件学院
出处
《中文信息学报》
CSCD
北大核心
2021年第9期30-45,共16页
基金
国家重点研发计划(2018YFC0831106)
国家自然科学基金(61866012)
+1 种基金
江西省自然科学基金(20181BAB202012)
江西省教育厅科学技术研究项目(GJJ180329)。
文摘
命名实体识别是自然语言处理的基础任务之一,目的是从非结构化的文本中识别出所需的实体及类型,其识别的结果可用于实体关系抽取、知识图谱构建等众多实际应用。近些年,随着深度学习在自然语言处理领域的广泛应用,各种基于深度学习的命名实体识别方法均取得了较好的效果,其性能全面超越传统的基于人工特征的方法。该文从三个方面介绍近期基于深度学习的命名实体识别方法:第一,从输入层、编码层和解码层出发,介绍命名实体识别的一般框架;第二,分析汉语命名实体识别的特点,着重介绍各种融合字词信息的模型;第三,介绍低资源的命名实体识别,主要包括跨语言迁移方法、跨领域迁移方法、跨任务迁移方法和集成自动标注语料的方法等。最后,总结相关工作,并提出未来可能的研究方向。
关键词
命名
实体
识别
汉语
命名
实体
识别
低
资源
命名
实体
识别
深度学习
Keywords
named entity recognition(NER)
Chinese NER
low-resource NER
deep learning
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
面向低资源命名实体识别的BiLSTM-Att-BCRF模型
被引量：
1
2
作者
钟茂生
吴佳华
罗玮
吴水秀
机构
江西师范大学计算机信息工程学院
出处
《江西师范大学学报（自然科学版）》
CAS
北大核心
2022年第5期460-467,共8页
基金
国家自然科学基金(61877031)
江西省教育厅科技课题(GJJ210324)资助项目
文摘
在低资源场景下,由于受训练数据量少的限制,现有模型的参数不能拟合到预期效果,所以导致模型识别实体的性能不佳.该文提出一种融入伯努利分布(Bernoulli distribution)的新型损失函数,使模型能较好拟合数据.此外,该文在BiLSTM-CRF模型基础上融合多层字符特征信息和自注意力机制,并结合基于伯努利分布的新型损失函数,构建了BiLSTM-Att-BCRF模型.BiLSTM-Att-BCRF模型在20%的CONLL2003和20%的BC5CDR的数据集上,F_(1)值在BiLSTM-CRF模型基础上分别提升了7.00%和4.08%,能较好地适应低资源命名实体识别任务.
关键词
低
资源
命名
实体
识别
神经网络
伯努利分布
自注意力机制
Keywords
low resource named entity recognition
neural network
Bernoulli distribution
self-attention mechanism
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度学习的命名实体识别综述
邓依依
邬昌兴
魏永丰
万仲保
黄兆华
《中文信息学报》
CSCD
北大核心
2021
32
下载PDF
职称材料
2
面向低资源命名实体识别的BiLSTM-Att-BCRF模型
钟茂生
吴佳华
罗玮
吴水秀
《江西师范大学学报（自然科学版）》
CAS
北大核心
2022
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
