关键词multi-domain benchmark
搜索结果 - 3
- MultiADE: 药物不良反应提取的多领域基准
在本研究中,通过建立一个名为 MultiADE 的多领域对比基准,我们探索了在不同文本类型中有效地提取不良药物事件的机器学习模型的泛化能力,结果表明训练模型的泛化性还远未达到完美,而进行域适应的方法仍需进一步研究。
- ACL重新思考用于中文拼写纠正的遮盖语言建模
通过发现 BERT 对中文拼写纠正的影响,本文提出随机蒙掉输入序列 20%的非错误标记是一种简单有效的提高语言模型和错误模型的技术,它可以被应用于任何模型架构,并在 SIGHAN 等基准测试中取得了新的最优结果
- ECCV多域标准下重新思考少样本目标检测
本文提出了一个基于多领域的数据集的多领域少样本目标检测(MoFSOD)基准测试,以评估少样本算法的性能,并通过冻结层、不同体系结构和不同预训练数据集等方面的实验结果发现了多个影响少样本目标检测性能的关键因素,并提出了两种算法改进方法,在 M