mention detection | BriefGPT

关键词mention detection

搜索结果 - 12

波斯代词消解：利用神经网络和语言模型
该研究提出了一种用于波斯语代词消解的端到端神经网络系统，利用预训练的 Transformer 模型如 ParsBERT。我们的系统同时优化了提及检测和先行链路，相比前期依赖基于规则和统计方法的最新系统，在 Mehr 语料库上实现了 3.37
PDF2 months ago
COLINGSPLICE：一种增强单例的核指代消解流程
通过将来自现有嵌套 NER 系统的预测提及与来自 OntoNotes 句法树的特征结合，我们在接近 OntoNotes 数据集中带有所有单例提及的情况下，实现了对黄金单例的 94％召回率。然后，我们提出了一个名为 SPLICE 的两步神经提
PDF3 months ago
ÚFAL CorPipe 在 CRAC 2023：更大的上下文改善多语种共指消解
我们提供的 CorPipe 是 2023 年 CRAC 共享任务多语言共指解析比赛的获胜系统，它是我们之前多语言共指流水线的改进版本，并以 4.5 个百分点的巨大优势超过其他参赛者。CorPipe 首先通过检测提及实体，然后通过在提取的范围
PDF7 months ago
ACL利用多任务学习将单例和基于提及的特征纳入共指消解，以提高泛化性能
这篇论文提出了一种通过多任务学习方法学习单例以及实体类型和信息状态等特征的共指模型，在 OntoGUM 基准上取得了新的最高分（+2.7 分），并在多个领域的数据集上提高了鲁棒性（平均 + 2.3 分），可能是由于更大的指称检测的泛化能力和
PDF10 months ago
SMDDH: 使用深度学习在印地文文本中进行单例提及检测
提出一种基于全连接网络和卷积神经网络的单一提及检测模块，采用手工制作的特征、上下文信息和词嵌入，应用于使用核指代注释的包括 3.6K 个句子和 78K 个标记的印地语数据集，显著提高了核指代解析过程的性能表现。
PDFa year ago
仅提及注释即可实现指代消解的高效域适应
本文探讨了利用提及检测在目标域中进行兼容性适应的方法来提高神经网络核心指称分辨率的效率，取得了 7-14％的通过提及注释来提高核心指称分辨率的平均 F1 值的改进。
PDF2 years ago
跨文档指代消解的现实评估原则
该研究指出跨文档指代消解的常见评估方法在假设情境方面过于宽松，导致结果夸大。为此，提出两种评估方法论原则，一是应该根据预测的提及而非黄金提及来评估模型，二是模型不应利用合成的 ECB + 数据集的主题结构，以便模型面对词汇歧义挑战，实证结果
PDF3 years ago
EMNLP高效一遍式的问答实体链接
ELQ 是一种快速的端到端实体链接模型，使用双编码器同时执行提及检测和链接，可用于提高下游问题回答系统的性能。
PDF4 years ago
神经式提及检测
本篇论文提出了三种基于神经网络的提及检测方法，并在共指消解和 NE 嵌套任务中进行了评估和应用，基于最佳方法得出的模型在提高性能方面表现出色。
PDF5 years ago
端到端的神经实体链接
本文提出了第一个神经网络端到端实体链接系统，通过学习文本中所有可能识别结果的上下文相似性得分，实现了提及检测和实体歧义消解的联合（Entity Linking）算法，方法不需要其他工程特定特征，且在足够的训练数据情况下优于市场已有系统，在测
PDF6 years ago
NIPS基于转移的提及检测的强化学习
本文利用强化学习方法，提出一种基于动作的新颖方案用于实体识别的任务，并使用训练集生成实例级别的事件，同时还使用奖励模型获得正确标记完成的实例，从而提高了长实例的内部结构并且结果与竞争性有监督的对照组相当。
PDF7 years ago
基于循环神经网络的提及检测鲁棒性探究
本文研究了基于循环神经网络（RNN）的提及检测系统的鲁棒性及其在信息提取中的应用，表明在英语的普通或跨领域的情况下，RNNs 不仅在通用情况下优于之前报告的最佳系统（最多可达 9％的相对错误降低），而且在荷兰语中表现出的命名实体识别相似任务
PDF8 years ago