few-shot ner | BriefGPT - AI 论文速递

关键词few-shot ner

搜索结果 - 8

COLING基于叠加概念区分的小样本命名实体识别
利用 Superposition Concept Discriminator (SuperCD) 解决 few-shot NER 的问题，通过活动学习范式，从说明性实例中识别超越概念，并从大规模文本语料库中检索对应的超越概念实例，以改进 f
PDF3 months ago
基于提示排序的数据增强增强少样本命名实体识别
本文提出了一种名为基于提示排序的数据增强方法（PODA），使用于预训练语言模型在低资源环境下执行少样本命名实体识别任务，PODA 方法通过提供不按来源序列严格排序但合理多样化的目标实体序列来训练模型，可以加强在各种 NER 任务中的效果表现
PDFa year ago
一种基于 Transformer 的零样本和少样本生物医学命名实体识别方法
本论文提出了一种基于 transformer 的方法来解决在生物医学领域中监督命名实体识别（NER）的挑战，包括零样本和少样本 NER。该方法基于将多类令牌分类的任务转化为二进制令牌分类，并在更多数据集和医学实体上预训练，从中可以学习给定实
PDFa year ago
EMNLP有限数据情况下示范学习的鲁棒性
本研究旨在探明演示学习方法对于预训练语言模型在数据量有限的情况下的提升效果以及其原因。我们设计了不同类型的演示数据来研究其鲁棒性，发现无论演示数据的内容是随机的还是包含部分有用信息，都能使模型成为更好的 few-shot learner，证
PDF2 years ago
ACL拆分元学习用于少样本命名实体识别
本文介绍了一种分解元学习方法，通过元学习逐步解决了少样本命名实体识别中的少样本跨度检测和少样本实体类型划分问题，并在各种基准测试中证明了该方法优于以往方法的卓越性能。
PDF2 years ago
ACL自描述网络的少样本命名实体识别
本文提出了一种自我描述的机制，用于 few-shot NER，它可以通过使用通用概念集描述实体类型和提及，并从外部资源中精确地传输有用的知识；具有竞争性的结果，在各个基准测试上的表现证明了其有效性和鲁棒性。
PDF2 years ago
EMNLP简单问题生成命名实体识别数据集
本研究提出了一种问答式自动生成命名实体识别数据的方法，使用生成的数据进行训练的模型在多项 NER 评测中表现优异，并在少样本 NER 中取得了新的最佳表现。
PDF3 years ago
基于 BART 的模板化命名实体识别
该论文提出了一种基于模板的方法，将 NER 视为一种序列到序列的语言模型排序问题，在推理过程中，模型需要根据相应的模板分数对每个候选实体进行分类，实验结果表明，该方法在 CoNLL03 数据集上取得了 92.55% 的 F1 得分，在 MI
PDF3 years ago