命名实体识别
0 人感兴趣 · 13 次引用
- 最新
- 推荐
探索图像数据中的隐藏信息：语义实体识别和关系抽取的奇妙之旅
关键信息抽取 (Key Information Extraction, KIE)指的是是从文本或者图像中，抽取出关键的信息。针对文档图像的关键信息抽取任务作为OCR的下游任务，存在非常多的实际应用场景，如表单识别、车票信息抽取、身份证信息抽取等。然而，使用人力从这些文档图像中
全国大数据与计算智能挑战赛：面向低资源的命名实体识别基线方案，排名 13/64
全国大数据与计算智能挑战赛：面向低资源的命名实体识别baseline，排名13/64。第一名：0.68962791，基线：0.67902593 ，感兴趣小伙伴可以刷刷榜。 国防科技大学系统工程学院（大数据与决策实验室）
深度学习应用篇 - 自然语言处理 [10]：N-Gram、SimCSE 介绍，更多技术：数据增强、智能标注、多分类算法、文本信息抽取、多模态信息抽取、模型压缩算法等
N-Gram是一种基于统计语言模型的算法。它的基本思想是将文本里面的内容按照字节进行大小为N的滑动窗口操作，形成了长度是N的字节片段序列。每一个字节片段称为gram，对所有gram的出现频度进行统计，并且按照事先设定好的阈值进行过滤，形成关键gram列表，也就
深度学习应用篇 - 自然语言处理 - 命名实体识别 [9]：BiLSTM+CRF 实现命名实体识别、实体、关系、属性抽取实战项目合集（含智能标注）
命名实体识别（Named Entity Recoginition, NER）旨在将一串文本中的实体识别出来，并标注出它所指代的类型，比如人名、地名等等。具体地，根据MUC会议规定，命名实体识别任务包括三个子任务：
基线提升至 96.45%：2022 司法杯犯罪事实实体识别 + 数据蒸馏 + 主动学习
本项目给出本次法研杯详细的技术方案，从UIE-base开始到UIE数据蒸馏以及主动学习的建议，欢迎大家尝试，ps：主动学习标注需要自行实现，参考项目，楼主就不标注了。
