sequence tagging | BriefGPT

关键词sequence tagging

搜索结果 - 31

基于混合神经标注模型的开放关系抽取
本研究提出了一种基于序列标注与双重感知机制（Local-aware Attention 和 Global-aware Convolution）的混合神经网络模型（HNN4ORT），以克服 Open relation extraction 任
PDF5 years ago
COLING一种基于深度强化学习的增强式通用序列标注系统的新概念
本文提出了一种基于深度强化学习的增强通用序列标注系统，其中包括一个深度神经网络模型和一个基于深度强化学习的增强标记器，该系统在 ATIS 和 CoNLL-2003 基准数据集上得到了验证，并比现有最先进模型优异了 1.9% 和 1.4%。
PDF6 years ago
EMNLP一种基于贝叶斯方法的众包序列标注技术
本研究提出了一种用于聚合序列标记的贝叶斯方法，该方法通过对注释者的误差和模拟注释的困难度进行建模，有效地减少了常见的跨度注释错误。通过在命名实体识别，信息抽取和论证挖掘方面进行 crowdsourced 数据的评估，表明我们的序列模型优于
PDF6 years ago
COLING序列标注的多任务学习：实证研究
通过研究 11 个序列标注任务中的三种多任务学习方法，我们发现在大约 50% 的情况下，联合学习所有 11 个任务可以改善独立学习或成对学习任务的效果。我们还展示了成对多任务学习可以告诉我们哪些任务可以互惠，哪些任务在联合学习时可以受益。我
PDF6 years ago
AAAI序列建模的元多任务学习
本研究提出了一个新的语义合成共享方式，使用一个共享的元网络来捕捉语义合成的元知识并生成任务特定的语义合成模型的参数，实验表明这种方法在文本分类和序列标注等任务中具有许多优势，并且我们的提议的模型学习到的共享的元知识可以作为现成知识很容易地转
PDF6 years ago
EMNLP半监督神经标记的科学信息提取
本文通过将问题建模为序列标注，并利用半监督学习方法和数据选择方案，提出了一个基于神经标注模型的关键短语提取和分类算法，该算法在 2017 年 SemEval 科学信息抽取任务中明显优于现有信息抽取方法。
PDF7 years ago
ACL基于神经网络的端到端计算性论证挖掘学习
本文研究了神经技术在端到端的计算论证挖掘中的应用，将论证挖掘作为基于令牌的依赖解析和基于令牌序列标注的问题，包括多任务学习设置。研究发现，相比于在论证组件层次上操作的模型，将论证挖掘作为依赖解析的形式表现效果不佳；而基于双向长短时记忆网络的
PDF7 years ago
ICLR层级递归网络在序列标注中的迁移学习
本文研究了神经网络在序列标注任务上的最优表现及其通用性，接着讨论了序列标注中的迁移学习问题，并验证了将源任务应用于目标任务可以大幅提高性能，从而超越了多个经典任务的最优表现。
PDF7 years ago
学习何时信任远程监督：一种用跨语言投影进行低资源词性标注的应用
本文提出一种新的序列标注方法，使用显式的去偏置层对跨语言映射的错误进行更正，通过对一个拥有金标准标注和一个拥有投影标注的语料库进行联合学习，在仅有 1000 个金标准标注的情况下，加上更丰富的平行数据，系统在 8 个低资源设置和两个真实低资
PDF8 years ago
从零开始的跨语言多任务序列标记
本文提出了一种基于深度神经网络的序列标注方法，其包含多语言、多任务学习和交叉语言联合训练，并在包括词性标注、分块和命名实体识别等多个任务中取得了最优性能。
PDF8 years ago
序列标注的双向 LSTM-CRF 模型
本文研究了基于 LSTM 模型的序列标注技术，通过引入双向 LSTM 和条件随机场 (CRF) 层提高了模型的准确性和鲁棒性，实现了对 POS、chunking 和 NER 等序列标注数据集的最先进性能。
PDF9 years ago