cross-lingual named entity recognition | BriefGPT

关键词cross-lingual named entity recognition

搜索结果 - 7

IJCAI跨语言命名实体识别全局局部去噪框架的伪标签改进
跨语言命名实体识别领域的一项研究，提出了一种全局 - 局部去噪框架（GLoDe），通过利用语义空间中的全局和局部分布信息，改善了模型的泛化能力。在两个基准数据集上的实验结果表明，GLoDe 显著优于目前最先进的方法。
PDFa month ago
mCL-NER: 多视角对比学习的跨语言命名实体识别
通过多视角对比学习，在跨语言命名实体识别任务中，对于语义和标记级别的表示进行对齐，扩展了不同语言之间的实体投影，同时结合自学习和标注源数据与无标注目标数据的方法，在 40 种语言的 XTREME 基准测试上实现了近 + 2.0 F1 分数的
PDF10 months ago
SIGIR低资源语言的跨语言金融交易数据 NER
我们提出了一个高效的建模框架，用于半结构化文本数据中的跨语言命名实体识别。我们的方法依赖于知识蒸馏和一致性训练，并且利用预训练在源语言上的大型语言模型（XLMRoBERTa）的知识，通过学生 - 教师关系（知识蒸馏）。学生模型在低资源目标语
PDFa year ago
ACL基于对比学习和原型学习的跨语言命名实体识别自训练改进
本文提出了一种名为 ContProto 的跨语言命名实体识别的自我训练框架，大大提高了伪标签的准确性和不同语言间的转移能力，并在实验中展现了高于现有技术的表现。
PDFa year ago
EMNLPConNER: 跨语言命名实体识别的一致性训练
通过提出 ConNER 一种新型一致性训练方法，习得一个对扰动和数据具有鲁棒性的模型，该方法通过对标注和未标注数据的翻译和丢失操作的表现进行一致性训练，提高了跨语言自适应性能，并在各种基线方法上取得了一致的改进效果。
PDF2 years ago
IJCAIUniTrans: 统一模型转移和数据转移，利用未标记的数据进行跨语言命名实体识别
本文提出了一种称为 UniTrans 的新方法，以统一模型和数据转移，通过增强的知识蒸馏从未标记的目标语言数据中利用可用信息，对比 4 种目标语言的基准数据集表明，UniTrans 显著优于现有的最先进方法。
PDF4 years ago
EMNLP学习主动学习：深度强化学习方法
该论文提出了将主动学习重新表述为一种强化学习问题，并明确学习数据选择策略，其中策略充当主动学习启发式算法的角色，以解决启发式选择方法的有效性受限且性能因数据集而异的问题。我们使用跨语言命名实体识别来演示我们的方法，发现相对于传统的主动学习，
PDF7 years ago