few-shot named entity recognition | BriefGPT

关键词few-shot named entity recognition

搜索结果 - 11

应对 Few-shot 命名实体识别中的重复训练和样本依赖问题的研究
我们的研究提出了一个改进的少样本命名实体识别流程，利用预训练的跨领域跳板标识检测器和大规模语言模型，有效减少了基本特征的重复训练，同时消除了对少样本的依赖，通过广泛的实验表明，在各种数据集上，我们的模型在细粒度少样本命名实体识别方面胜过基线
PDFa month ago
一种用于小样本命名实体识别的统一标签感知对比学习框架
我们提出了统一的标签感知令牌级对比学习框架，通过利用标签语义作为后缀提示来丰富上下文，同时优化上下文 - 上下文和上下文 - 标签对比学习目标，从而提高推广辨别性的上下文表示。广泛的实验表明我们的方法在各种传统测试领域和大规模少样本 NER
PDF2 months ago
基于 StackOverflow 的小样本命名实体识别
提出了 RoBERTa+MAML 方法，用于解决 StackOverflow 上的注释挑战，通过元学习来进行少样本命名实体识别，并在 StackOverflow 命名实体语料库上取得了 5% 的 F1 分数改进。通过增强领域特定短语处理来进
PDF3 months ago
少样本实体识别的混合多阶段解码方法与实体感知对比学习
我们提出了混合多阶段解码的少样本命名实体识别方法，通过实体跨度检测和实体分类的两个阶段，结合对比学习模块以增强实体表示，实现了在少样本情况下识别新类型命名实体的能力。
PDF3 months ago
基于大规模标签解释学习的少样本命名实体识别
利用自然语言描述学习实体类型解释，通过大规模扩展实体类型和描述，可以显著提高零样本和少样本命名实体识别。
PDF3 months ago
鲁棒的少样本命名实体识别：边界判别和相关性净化
本研究探索和评估少样本命名实体识别模型在文本对抗攻击场景下的鲁棒性，并提出了一个由边界判别和关联净化组成的鲁棒两阶段少样本命名实体识别方法。该方法通过引入边界判别模块和净化关联模块，提高了命名实体边界检测和实体类型判别的鲁棒性，并在 Few
PDF7 months ago
一种具有任务特定预训练的多任务语义分解框架用于少样本命名实体识别
通过多任务预训练的多任务语义分解框架，通过引入基于示范和对比学习的两种新型预训练任务（示范式遮蔽语言建模和类对比判别），能够有效地融入实体边界信息并加强预训练语言模型中的实体表示。在下游主任务中，通过语义分解方法引入多任务联合优化框架，使模
PDF10 months ago
TKDP: 三重知识增强的深度提示调整用于少样本命名实体识别
本文提出了一种向深度提示调整框架中集成三方面知识以实现强大的 few-shot NER 的方法，即内部上下文知识和外部标签和义原知识，并在五个基准数据集上进行了验证，结果表明，该方法在 5/10/20-shot 设置中优于 8 个强基准系统
PDFa year ago
一种原型语义解耦方法通过联合对比学习用于少样本命名实体识别
本文提出了一种通过联合对比学习实现原型语义解耦的方法 ——PSDC，以应对现有基于原型的序列标注模型往往会记忆实体提及的问题，PSDC 采用两种掩码策略将类别特定原型和上下文语义原型进行解耦，以便模型专注于两种不同的语义信息以进行推理，实验
PDFa year ago
EMNLP预训练模型与原型神经网络在少样本命名实体识别中的调和
介绍了在 few-shot 命名实体识别中将大规模预训练模型与原型神经网络相结合的范例。基于 9 个基准数据集的实验结果表明，该论文提出的归一化方法优于对应的模型，并可与现有最先进的方法相当。同时，该论文也为解决依赖于预训练模型或原型神经网
PDF2 years ago
利用杂类其他词汇进行少样本命名实体识别学习
提出了一种新模型 MUCO，能够自动识别其他类别中的不同未定义类别，以改进少样本命名实体识别，并检验了该模型在四个 NER 基准测试中取得了比五种最先进模型更好的性能。
PDF3 years ago