named entity | BriefGPT - AI 论文速递

关键词named entity

搜索结果 - 7

冻结的预训练语言模型可用于实体中心问题的零 - shot 神经检索吗？
本文提出了一种基于预训练语言模型的检索方法，通过利用领域中已有的实体信息来实现领域内检索。实验结果表明，在如 Wikipedia 等领域中，本文提出的检索方法在实体相关问题上的效果要优于传统的 DPR 方法，并且可以在不进行微调的情况下有效
PDFa year ago
常识和命名实体感知的知识驱动对话生成
本文提出了一种通过利用大规模常识和基于命名实体的知识实现的新型开放域对话生成模型，该模型还利用了与每个话语相关的非结构化主题特定知识，并通过使用共指提高了常识知识。提出的模型利用多跳注意力层保留对话历史和相关知识的最准确和最关键的组成部分，
PDF2 years ago
kpfriends 参加 SemEval-2022 任务二：NEAMER - 命名实体增强的多词表达式识别器
本文介绍了一个名为 NEAMER 的系统，它受到了命名实体和习语表达之间共享非合成特征的启发。作者应用了转移学习和局部特征以增强语言习惯性分类任务，并使用该系统提交到 SemEval 任务 2 中，后期评估阶段达到了 F1 0.9395 的
PDF2 years ago
ACLMOROCO：摩尔多瓦和罗马尼亚方言语料库
介绍了 MOldavian 和 ROmanian 方言语料库（MOROCO），包含来自六个主题的 33564 个文本样本和用于分类任务的标签，使用基于字符串核的浅层方法和包含 Squeeze-and-Excitation 块的字符级卷积神经
PDF5 years ago
使用深度双仿射注意力的端到端神经关系抽取
本文提出一个神经网络模型，用于联合抽取命名实体和它们之间的关系，无需手动设计特征。该模型采用深度双仿射关注层扩展了 BiLSTM-CRF 实体识别模型，以建模关系分类中潜在特征的二阶交互。在 benchmark 数据集 CoNLL04 上进
PDF6 years ago
EMNLP谁做了什么：一个大规模的人以为中心的填空数据集
本文介绍了一份新的 “谁做了什么” 数据集，其中包含了超过 200,000 个填空阅读理解问题，使用 LDC 英语千万字级新闻语料库构建。数据集具有多种新特性，例如使用两个独立的文章来形成问题，其中每个选项都是命名实体，问题已被筛选，以剔除
PDF8 years ago
神经网络名称翻译提高神经机器翻译
本文旨在通过引入字符级的 Seqence-to-Sequence 模型来提高神经机器翻译（NMT）系统的翻译效果和识别实体名词的能力，并在双语训练中借助名称实体翻译模型来提高高质量的实体名词对齐，从而使中英翻译任务的 BLEU 分数比基础
PDF8 years ago