Sep, 2017

用于联合分割和解析的注意力神经架构及其在房地产广告中的应用

PDF
TL;DR本文提出了一种新的神经联合模型，该模型能够同时处理文本分割和依存句法分析任务，用于将房地产广告转换成构建房产树的结构化描述。作者进行了广泛的实验研究，表明该模型相较于现有技术有更好的表现。
natural language processingneural joint modelsegmentationdependency parsingreal estate
发现论文，激发创造
  • 一个真正的联合神经结构用于分割和解析

    通过提供一种基于格点的表示，能够同时解决词法分割和句法分析任务的联合神经体系结构，在希伯来语等具有高度复杂性和模棱两可性的多词类语言上取得了最先进的性能。

    Feb, 2024

  • 一种联合多任务模型：为多个 NLP 任务构建神经网络

    本研究提出一种多任务学习模型，可以同时训练多种语言学层次的任务，并通过一种逐步增加深度的策略来解决越来越复杂的任务。该模型使用一个简单的正则化项来实现在提高某一任务的损失函数时，不影响其他任务的学习效果。实验结果表明，这个端到端的模型在标签、句法分析、相关性与蕴含等五种任务上取得了最先进或有竞争力的结果。

    Nov, 2016

  • 基于转移的神经网络联合词性标注和依存句法分析

    本文提出了使用基于转移的神经网络联合进行词性标注和依存分析的方法，实现了标签冲突、移位 / 归约冲突和标记冲突的解决。实验表明，我们的方法在各种自然语言的联合词性标注和依存分析方面明显优于之前的方法。

    Apr, 2017

  • 学习语义神经树用于人体解析

    本文介绍了一种基于分层语义分割任务的人体解析方法，其使用设计的分级树结构来编码人体生理结构，并在一组内联的过程中生成准确的结果。实验结果表明该方法具有较高的准确性和可行性。

    Dec, 2019

  • 联合实体识别和关系抽取作为多头选择问题

    该研究提出了一种基于神经网络的联合模型，能够同时执行实体识别和关系抽取任务，而无需人工提取特征或使用任何外部工具，并在包括新闻、生物医学和房地产等不同语境下进行了实验，而且表现优异。

    Apr, 2018

  • 基于依赖的混合树用于语义解析

    本研究提出了一种新的基于依存的混合树模型，将自然语言转换成机器可解释的含义表示，并通过在标准多语言 GeoQuery 数据集上进行的大量实验证明，我们的方法能够在多种语言上实现最先进的性能。

    Sep, 2018

  • 抽象化摘要的联合解析与生成

    本文提出了一种新颖的神经网络架构用于抽象概括及句法解析的同时生成摘要，同时还描述了一种新颖的人工评估协议来评估摘要是否符合原始含义，经评估证明该方法在多个摘要数据集上与强基线相比表现出有竞争力的结果。

    Nov, 2019

  • 基于新的分解策略的实体和关系联合抽取

    本文提出了一种基于序列标注的分解策略，将联合实体和关系抽取任务划分为头实体抽取 (HR) 和尾实体及关系抽取 (TER) 两个子任务，这两个子任务进一步分解为多个序列标注问题以方便通过分层边界标签器和多跨度解码算法解决。实验表明，该方法在三个公共数据集上优于先前的工作，达到了 21.5% 的新最优 F1 分数。

    Sep, 2019

  • 通过联合学习分割和对应实现神经数据到文本生成

    本文提出了一种基于神经注意力模型的新方法，利用分段单元和隐变量技术来解决现有的信息缺失，重复和 “幻觉” 问题，减少计算成本，成功地在数据到文本生成任务中实现更好的性能。

    May, 2020

  • 使用预训练语言模型的端到端命名实体识别和关系抽取

    本文提出了一种基于神经元的端到端模型来联合提取实体和它们的关系，该模型不依赖于外部自然语言处理工具，而是集成了大量的预训练语言模型， 在三个领域的五个数据集上，我们的模型可以与最先进的性能相提并论，有时甚至具有更高的性能。

    Dec, 2019