chinese named entity recognition | BriefGPT

关键词chinese named entity recognition

搜索结果 - 12

统一晶格图融合用于中文命名实体识别
通过将词库整合到字符级序列中，我们提出了一种统一的格点图融合（ULGF）方法，用于中文命名实体识别。ULGF 可以明确捕捉字符 - 词语空间中细粒度语义单元之间的各种语义和边界关系，通过将格点结构转换为统一的图形来实现。我们堆叠多个基于图形
PDF6 months ago
通过搜索引擎增强提高中文命名实体识别
本研究旨在提出一种基于外部知识语义增强的神经网络方法，通过多通道语义融合模型结合检索自搜索引擎的外部相关文本，对中文命名实体识别进行研究，实验证明该方法在正式和社交媒体语境下四个命名实体数据集中均取得了较好的效果。
PDF2 years ago
重新思考在中文命名实体识别中的地名词典价值
本文通过重新检验增强命名实体识别的常见做法和详细分析模型性能和词表特征之间的关系，指导我们构建更合适的词表。发现：（1）词表有助于解决传统 NER 模型难以学习的情况。（2）模型性能极大地受益于高质量的预训练词汇嵌入。（3）一个好的词表应该
PDF2 years ago
NFLAT: 非扁平格变压器用于中文命名实体识别
本文提出一种新的词汇增强方法 InterFormer，可以有效地减少计算和内存成本。我们以 InterFormer 为主干实现 NFLAT 来进行中文命名实体识别，其解耦了词汇融合和上下文特征编码，使得内存使用减少约 50％。在多个著名基准
PDF2 years ago
ACL深入研究规律：用于中文命名实体识别的简单而有效的方法
本文提出了一种名为 RICON 的新方法，通过正则性感知模块和正则性不可知模块探讨了汉语命名实体识别中实体跨度的规则性问题，并且实验结果表明该方法在四个数据集上均有显著的优越性。
PDF2 years ago
ACLMECT: 基于多元数据嵌入的跨注意力机制转换器用于中文命名实体识别
本篇论文提出了一种基于多元数据嵌入跨 Transformer（MECT）的方法，结合汉字的结构信息来提高汉语命名实体识别（NER）的性能，并使用两个流 Transformer 进行多元数据嵌入来集成汉字特征与基本层次嵌入。在多个著名的基准测
PDF3 years ago
SLK-NER：利用二阶词汇知识进行中文命名实体识别
该研究提出了基于字符的第二阶 lexicon 知识的模型，该模型能够更好地利用全局上下文来提取词汇信息，从而提高了中文命名实体识别的效果。
PDF4 years ago
ACLFLAT: 使用 Flat-Lattice Transformer 进行中文命名实体识别
本研究提出 FLAT：Flat-LAttice Transformer，将复杂动态的中文命名实体识别字符 - 词格结构转换成跨度组成的平面结构，借助 Transformer 和精心设计的位置编码完全利用格子信息，具有出色的并行化能力和性能效
PDF4 years ago
基于多孔网络结构的中文 NER 的转换器编码器
本文提出了一种可加强 GPU 并行性和计算批处理的具有孔状结构的基于两个非邻近标记共用枢轴节点的自注注意力的基于格子的变压器编码器，并在四个数据集上进行了实验。结果表明，该模型的性能与最先进的模型大致相当，但速度最多快 9.47 倍。
PDF5 years ago
ACL中文命名实体识别中词典使用的简化
本研究提出一种可将词汇词典简单地并入字表示的方法，以提高中国命名实体识别的性能，且速度比现有最先进的方法快 6.15 倍，同时具有更好的性能与可与预训练模型集成的能力。
PDF5 years ago
WWWCNN-LSTM-CRF 和词语分割联合训练实现的神经网络中文命名实体识别
本文提出了一种神经方法来解决中文命名实体识别的挑战，该方法包括使用 CNN-LSTM-CRF 神经架构来捕捉 CNER 的本地和长距离上下文，引入统一框架来联合训练 CNER 和分词模型以增强 CNER 模型在识别实体边界方面的能力，以及使
PDF5 years ago
AAAI基于对抗学习的中文命名实体识别方法研究（来自众包标注数据）
本文提出了一种采用敌对学习机制的方法，在使用众包进行中文命名实体识别的过程中，利用众包工人生成的嘈杂序列标签信息。通过使用公共 Bi-LSTM 和私人 Bi-LSTM 分别表示众包注释的共同特征和个性特征，我们已经构建了基于 LSTM-CR
PDF6 years ago