sequence tagging tasks | BriefGPT

关键词sequence tagging tasks

搜索结果 - 6

为少样本示例选择设计信息指标
我们提出了一种基于复杂性的提示选择方法，用于序列标注任务，该方法通过某些度量标准来对齐测试句子和示例的句法语义复杂性，从而提高预训练语言模型的性能。
PDF4 months ago
EMNLPBERT 与否：比较针对任务与任务不可知的半监督序列标注方法
本文探讨了如何有效地利用未标记数据 —— 通过探索任务特定的半监督方法 Cross-View Training (CVT)，并将其与任务不可知的 BERT 在包括领域和任务相关的英语数据的多个设置中进行比较。CVT 使用较轻的模型结构，并表
PDF4 years ago
无监督跨语言适应：序列标注和更多
研究了零样本学习和基于翻译的方法在预训练语言模型（mPTLMs）的跨语言适应性中的应用，提出了一种新的框架来整合这两种方法，通过定制一个预热机制来快速更新 mPTLMs，应用于细化的参数上进行跨语言适应性的实验结果表明，我们的方法有助于各种
PDF4 years ago
ACL使用基于 Transformer 的神经模型提升越南文本序列标注
本文介绍了使用多语言 BERT 嵌入和一些新的神经模型，提高越南语序列标记任务的研究。我们提出了新的模型架构，在 VLSP 2016 和 VLSP 2018 两个命名实体识别数据集和 VLSP 2010 和 VLSP 2013 两个词性标记
PDF4 years ago
EMNLP报告评分分布很重要：LSTM 网络的序列标记性能研究
本文探讨了单一性能评分不足以比较非确定性方法的问题，并通过对序列标记任务的实验表明，随机数种子的选择可以导致最先进系统的 F1 得分的绝对差异，提出通过多次执行比较分数分布的方法，通过五项序列标记任务的实验，提出了产生优越性能和更稳定的网络
PDF7 years ago
EMNLP序列标注任务中深度 LSTM 网络的最优超参数
通过评估超过 50,000 种不同的设置，我们发现网络设计选择和超参数对五个常见的语言序列标记任务，即 POS、块状、NER、实体识别和事件检测有显着影响，尤其是预先训练的词嵌入或者网路的最后一层。对于 LSTM 层数或循环单元的数量等其他
PDF7 years ago