NER论文解读第7页

基于深度学习的NER综述

参考论文：《ASurveyonDeepLearningforNamedEntityRecognition》，JingLi,AixinSun,JiangleiHan,andChenliangLi004NER

深海之湖·2023-12-28 00:38

SParC: Cross-Domain Semantic Parsing in Context 论文解读

前言：SParC是一个基于Spider数据集扩展的有上下文依赖的对话是Text-to-SQL数据集。不同于Spider一句话对应一个最终SQL，SParC通常需要通过多轮对话来实现用户的查询意图，并且在交互过程中，用户会省略很多之前提到的信息，或者新增、修改之前提到过一些内容，使得该任务更具挑战性。基本信息标题：SParC:Cross-DomainSemanticParsinginContext作

beyourselfwb·2023-12-27 19:13

DETR++: Taming Your Multi-Scale Detection Transformer论文解读

tangjunjun-owen·2023-12-27 18:22

使用Keras双向LSTM的命名实体识别（NER）

Named-entityrecognition(NER)(alsoknownasentityidentification,entitychunkingandentityextraction)isasubtaskofinformationextractionthatseekstolocateandclassifynamedentitiesmentionedinunstructuredtextinto

weixin_26752765·2023-12-27 14:56

NLP-NER命名实体识别

命名实体识别–Named-entityrecognition|NER什么是命名实体识别？

HoraceO·2023-12-27 14:56

spaCy V3.0 基于规则匹配(4)----举例说明基于规则与基于统计模型组件的组合命名实体识别NER

可以通过多种方式组合基于统计模型和基于规则的组件。基于规则的组件可以通过为特定词符(Tokens)预先标记词性、命名实体或句子边界来提高统计模型的准确性。统计模型通常会采用这些预设标记，来提高其他判定的准确性。也可以在统计模型之后使用基于规则的组件来更正常见错误。最后，基于规则的组件可以引用统计模型设置的属性，以实现更抽象的匹配逻辑。例1：扩充命名实体当使用经过预训练的命名实体识别模型从文本中提取

Cxrlyy·2023-12-27 14:25

SpaCy 和 Flask API 构建 Python 命名实体自动提取器

命名实体识别(NER)（也称为命名实体提取）是从半结构化和非结构化文本源构建知识的第一步。只有在NER之后，我们才能至少揭示信息包含的内容和内容。

亚图跨际·2023-12-27 14:52

【自然语言处理】扩展命名实体识别器（NER）以使用spaCy标记新实体

自我介绍做一个简单介绍，酒架年近48，有20多年IT工作经历，目前在一家500强做企业架构．因为工作需要，另外也因为兴趣涉猎比较广，为了自己学习建立了三个博客，分别是【全球IT瞭望】，【架构师酒馆】和【开发者开聊】，有更多的内容分享，谢谢大家收藏。企业架构师需要比较广泛的知识面，了解一个企业的整体的业务，应用，技术，数据，治理和合规。之前4年主要负责企业整体的技术规划，标准的建立和项目治理。最近一

架构师研究会·2023-12-27 13:50

【论文解读】System 2 Attention提高大语言模型客观性和事实性

一、简要介绍本文简要介绍了论文“System2Attention(issomethingyoumightneedtoo)”的相关工作。基于transformer的大语言模型（LLM）中的软注意很容易将上下文中的不相关信息合并到其潜在的表征中，这将对下一token的生成产生不利影响。为了帮助纠正这些问题，论文引入了System2Attention（S2A），它利用LLM的能力，用自然语言进行推理，并

合合技术团队·2023-12-27 09:30

【论文解读】在上下文中学习创建任务向量

一、简要介绍大型语言模型（LLMs）中的上下文学习（ICL）已经成为一种强大的新的学习范式。然而，其潜在的机制仍未被很好地了解。特别是，将其映射到“标准”机器学习框架是具有挑战性的，在该框架中，人们使用训练集S在某些假设类中找到最佳拟合函数f(x)。在这里，论文通过展示ICL学习到的函数通常有一个非常简单的结构：它们对应于transformerLLM，它的唯一输入是查询x和从训练集计算出的单个“任

合合技术团队·2023-12-27 09:59

2024年了，造『论文解读』公众号，买个agent就够了……

大家好我是二狗，是夕小瑶科技说编辑部的一名作者。我平时主要负责写AI资讯报道的文章。二狗我在「赛博马良」平台方买了AI员工之后每次都非常顺利地在第一时间精准抓到爆的选题。比如当时SamAltman被开除的事件，二狗我几乎是全网首发，单篇阅读直接干到了40万+，可把二狗我高兴坏了，老板事后给我发了大大的红包（嘘别告诉别人）。但大家都知道，智能时代，技术呈现爆炸式发展。要是只指望平时看看资讯报道类的文

夕小瑶·2023-12-27 03:57

【必知必懂论文】之多模态实体识别

引言命名实体识别（NER）是自然语言处理(NLP)领域中的最基础、最核心的任务之一，该任务旨在识别出文本中的命名实体（通常指特定类型事物的名称或符号，一般是一个名词或者短语），并将识别出的实体分类到预先定义好的实体类别中

爱科研的徐博士·2023-12-25 23:12

全网最全的多模态实体识别论文列表-【原文+代码】

文章目录写在前面的话【2017年】【2018年】【2019年】【2020年】【2021年】【2022年】【2023年】【写在最后的话】写在前面的话近期在梳理多模态NER相关的论文，因此，本篇文章主要是为大家整理了比较全面的聚焦于多模态实体识别任务的论文列表

爱科研的徐博士·2023-12-25 23:12

论文解读--Design of a Linear Non-uniform Antenna Array for a 77-GHz MIMO FMCW Radar

77GHzMIMOFMCW雷达线性非均匀天线阵列设计摘要本文介绍了一种用于77GHzMIMOFMCW系统的线性非均匀天线阵列的设计和实现，该阵列可以同时估计目标的距离和角度位置。目标是在主波束宽度和旁瓣电平之间实现良好的权衡。非均匀间距加上MIMO原理，与具有相同数量元素的经典均匀半波长天线阵列相比，提供了优越的性能。然而，设计变得更加复杂，不能用分析方法来解决。从基本的阵列因素考虑出发，采用暴力

奔袭的算法工程师·2023-12-25 15:10

论文解读--Compensation of Motion-Induced Phase Errors in TDM MIMO Radars

TDMMIMO雷达运动相位误差补偿摘要为了实现高分辨率的到达方向估计，需要大孔径。这可以通过提供宽虚拟孔径的多输入多输出雷达来实现。但是，它们的工作必须满足正交发射信号的要求。虽然发射单元的时分复用是一种低硬件成本的正交实现，但在非平稳情况下会出现相位误差。这篇文章简要地讨论了运动引起的相位误差的问题，并描述了处理步骤，没有额外操作就可以减少(误差)。仿真和实测数据验证了该方法的有效性。1介绍目前

奔袭的算法工程师·2023-12-25 15:37

【论文解读】ICLR2023 TimesNet: TEMPORAL 2D-VARIATION MODELING FOR GENERAL TIME SERIES ANALYSIS

一、摘要之前的方法都是尝试直接用1维时间序列进行预测序列、分类等任务。本文提出timesNet，基于多周期将时间序列从1维空间扩展到2维空间，这种变换可以将周期内和周期间的变化分别嵌入到2D张量的列和行中，2D张量易于用kernel进行特征提取。文中提出了将TimesBlock作为时间序列分析的任务通用主干的TimesNet。TimesBlock可以自适应地发现多周期性，并通过参数有效的起始块从变

Scc_hy·2023-12-25 10:39

【论文解读】终生学习LLL-正则化方法：Memory Aware Synapses

一、简介AMS可以在无监督和在线学习中计算网络参数的重要性。给与新数据可以计算出网络参数的特征重要性，基于模型数据的L2范数的平方，其参数的梯度反应新数据预测的敏感性，将其作为权重，让其保守变化，提高模型的泛化能力和减少模型的复杂度。首次将基于未标记数据的参数重要性调整网络需要（不要）忘记的内容的能力，这可能会因测试条件而异。二、重要贡献提出AMS我们展示了MAS的局部变体是如何与Hebbian学

Scc_hy·2023-12-25 10:09

基于骨骼的动作识别：DD-Net

MakeSkeleton-basedActionRecognitionModelSmaller,FasterandBetter论文解读概述1.简介2.relatedworks3.方法2.1基于关节的位置视点不变特征建模集合的距离

AIRV_Gao·2023-12-25 00:38

科研学习|论文解读——面向电商内容安全风险管控的协同过滤推荐算法研究

【论文完整内容详见知网链接】：面向电商内容安全风险管控的协同过滤推荐算法研究-中国知网(cnki.net)面向电商内容安全风险管控的协同过滤推荐算法研究*摘要：[目的/意义]随着电商平台商家入驻要求降低以及商品上线审核流程简化，内容安全风险问题成为协同过滤推荐算法伦理审查的核心问题之一。[方法/过程]本文将内容安全风险问题纳入用户协同过滤推荐算法的优化过程，提出一种改进的推荐算法。首先，采用混合研

博士僧小星·2023-12-24 10:04

DyNet论文笔记华为动态卷积核的论文解读

文章目录*KeyPoint*为什么要这么干？*Keywords*摘要引言相关工作高效卷积神经网络设计模型的压缩动态卷积核CNN中的动态卷积动机动态卷积系数预测模块(Coefficientpredictionmodule)动态生成模块(Dynamicgenerationmodule)训练算法动态卷积神经网络评估实验设置及比较方法实验结果与分析消融研究结论附录DYNET:DYNAMICCONVOLUT

晓梦清尘·2023-12-24 02:15

2017年美国大学生数学建模竞赛B题优秀论文解读

2017年美赛B题赛题2017MCMProblemB:MergeAfterTollMulti-lanedividedlimited-accesstollhighwaysuse“ramptolls”and“barriertolls”tocollecttollsfrommotorists.Aramptollisacollectionmechanismatanentranceorexitramptoth

校苑数模·2023-12-23 18:28

【论文解读】：大模型免微调的上下文对齐方法

本文通过对alignmenttuning的深入研究揭示了其“表面性质”，即通过监督微调和强化学习调整LLMs的方式可能仅仅影响模型的语言风格，而对模型解码性能的影响相对较小。具体来说，通过分析基础LLMs和alignment-tuned版本在令牌分布上的差异，作者发现在大多数情况下，它们在解码上表现几乎相同，主要的变化发生在文体方面，如话语标记和安全声明。基于这一认识，研究提出了一个引人注目的问题

深度人工智能·2023-12-23 14:52

【论文解读】CNN-Based Fast HEVC Quantization Parameter Mode Decision

时间：2019年级别：SCI机构：南京信息工程大学摘要随着多媒体呈现技术、图像采集技术和互联网行业的发展，远程通信的方式已经从以前的书信、音频转变为现在的音频/视频。和视频在工作、学习和娱乐中的比例不断提高，高清视频越来越受到人们的重视。由于网络环境和存储容量的限制，原始视频必须进行编码才能高效地传输和存储。高效视频编码(HEVC)需要大量的编码时间递归遍历自适应量化过程中编码单元所有可能的量化参

DogDaoDao·2023-12-23 14:22

【时序分析】TimeGPT：首个时间序列分析基础大模型

TimeGPT：首个时间序列分析基础大模型1.论文解读1.1研究背景1.2TimeGPT详解1.2.1时间序列预测问题基础1.2.2TimeGPT架构1.2.3训练数据集1.2.4训练TimeGPT1.2.5

镰刀韭菜·2023-12-23 14:39

论文解读：Informer-AAAI2021年最佳论文

论文背景应用背景训练的是历史数据，但预测的是未来的数据，但是历史数据和未来数据的分布不一定是一样的，所以时间序列应用于股票预测往往不太稳定动作预测：基于之前的视频中每一帧动作，预测下一帧这个人要做什么动作；流量预测：网上购物：基于之前的流量预测出之后购买的流量应该有多少，好进行适当的补货论文背景研究问题拿过去20天的数据训练1.短序列预测，则为预测未来2-3天的天气，这个比较好做；3.精准长序列预

十有久诚·2023-12-22 22:01

U-Net代码复现--utils dice_score.py

本文记录自己的学习过程，内容包括：代码解读：Pytorch-UNet深度学习编程基础：Pytorch-深度学习（新手友好）UNet论文解读：医学图像分割：U_Net论文阅读数据：https://hackernoon.com

北方骑马的萝卜·2023-12-22 20:15

17、EEG-TCNet:论文解读+模型复现+BCI IV2a测试

论文：《EEG-TCNet:AnAccurateTemporalConvolutionalNetworkforEmbeddedMotor-ImageryBrain–MachineInterfaces》对以上论文中的EEG-TCNet模型进行pytorch复现，并使用BCIIV2a数据进行测试，观察到目前全网缺少EEG-TCNet的pytorch实现代码，实质是缺少TCN块的pytorch代码，原因

是馒头阿·2023-12-22 17:49

kNN-NER: Named Entity Recognition with Nearest Neighbor Search

原文链接：https://arxiv.org/pdf/2203.17103.pdf预发表论文介绍受到增强式检索方法的启发，作者提出了kNN-NER，通过检索训练集中k个邻居的标签分布来提高模型命名实体识别分类的准确性

pepsi_w·2023-12-22 15:37

PromptNER: Prompt Locating and Typing for Named Entity Recognition

原文链接：https://aclanthology.org/2023.acl-long.698.pdfACL2023介绍问题目前将prompt方法应用在ner中主要有两种方法：对枚举的span类型进行预测

pepsi_w·2023-12-22 14:34

【论文解读】Efficient SAO Coding Algorithm for x265 Encoder

时间：2015年级别：IEEE机构：上海交通大学摘要x265是一款开源的HEVC编码器，采用了多种优化技术，具有较快的编码速度和优良的编码性能。作为HEVC的一项关键技术，x265还采用了样本自适应偏移(sampleadaptiveoffset,SAO)来减少重建帧与原始帧之间的失真。尽管x265采用了多种并行加速技术，但对SAO相关计算量的减少研究较少，使得SAO因计算量大而成为速度瓶颈。首先，

DogDaoDao·2023-12-22 09:54

论文解读：Exploring Complementary Strengths of Invariant and Equivariant Representations

小样本学习论文解读：ExploringComplementaryStrengthsofInvariantandEquivariantRepresentationsforFew-ShotLearning摘要

十有久诚·2023-12-21 16:45

论文解读：SwinTransformer-减少Q、K、V的运算规模

概述以及要解决的问题什么是Bankbone:不论什么模型，用这个backbone提特征，效果大概率非常好直接套用在各种下游任务中要解决的问题：一个block要完成的任务整体网络架构H*W*3卷积->还是H*w*3->对应H*w的特征图的，取4*4的小正方型resize为一维向量(长度为16)，总16个(H/4)*(H/4)之后考虑上channel=3，故一维向量长度应为16*3=48，故此时有的特

十有久诚·2023-12-21 16:15

论文解读：EfficientViT-提高吞吐量

摘要要解决的问题Visiontransformershaveshowngreatsuccessduetotheirhighmodelcapabilities.However,theirremarkableperformanceisaccompaniedbyheavycomputationcosts,whichmakesthemunsuitableforreal-timeapplications.v

十有久诚·2023-12-21 16:45

论文解读：Axial-DeepLab: Stand-Alone Axial-Attention forPanoptic Segmentation

论文是一个分割任务，但这里的方法不局限于分割，运用到检测、分类都可以。论文下载https://www.yuque.com/yuqueyonghupjh9oc/ovceh4/onilw42ux6e9n1ne?singleDoc#《轴注意力机制》一个问题为什么transformer一开始都有CNN：降低H、W，降低self-attention计算规模O(特征点的个数^2，即(H*W)^2)Stand-

十有久诚·2023-12-21 16:14

论文解读：On the Integration of Self-Attention and Convolution

自注意力机制与卷积结合：OntheIntegrationofSelf-AttentionandConvolution(CVPR2022)引言1：卷积可以接受比较大的图片的，但自注意力机制如果图片特别大的话，运算规模会特别大，即上图中右边(卷积)会算得比较快，左边(自注意力机制)会算得比较慢，所以我们要想些办法让自注意力机制规模小一点，本篇文章就只让qkv计算部分区域，而不是整个全局图片了。2：自注

十有久诚·2023-12-21 15:12

深度学习之CNN深度卷积神经网络-GoogLeNet（进阶）

前言本文主要CNN系列论文解读——GoogLeNet简介、模型结构、网络结构的代码实现等。

辣椒种子·2023-12-21 09:50

【论文解读】Software and Hardware HEVC Encoding

时间：2017年级别：IWSSIP机构：BrnoUniversityofTechnology摘要：与旧标准相比，高效视频编码(HighEfficiencyVideoCoding,HEVC)显著提高了编码效率。同时，它也增加了编码的计算复杂度，从而增加了编码的时间。本文提出了HEVC的不同实现的使用方法，其中一些可以利用多核中央处理器(CPU)的优势。其他的通过使用图形处理单元(GPU)中的视频引擎

DogDaoDao·2023-12-20 20:34

论文解读- nnU-Net: Self-adapting Framework for U-Net-Based Medical Image Segmentation

本篇主要解读论文"nnU-Net:Self-adaptingFrameworkforU-Net-BasedMedicalImageSegmentation"==nnU-Net：基于U-Net的自适应医学图像分割框架。实现见本专栏下其他博文。直达链接nnU-Net如何安装--傻瓜式安装教程nnU-Net实战一使用预训练nnU-Net模型进行推理教你用4行命令轻松使用nnUNet训练自己的医学图像分割

Tina姐吖·2023-12-20 17:53

大型语言模型：RoBERTa — 一种稳健优化的 BERT 方法

BERT的架构源自Transformer，它在各种下游任务上取得了最先进的结果：语言建模、下一句预测、问答、NER标记等。尽管BERT性能出色，研究人员仍在继续尝试其配置，希望获得更好的指标。

无水先生·2023-12-20 16:39

[Big Bird]论文解读：Big Bird: Transformers for Longer Sequences

文章目录1介绍2模型架构3结果论文：BigBird:TransformersforLongerSequences作者：ManzilZaheer,GuruGuruganesh,AvinavaDubey,JoshuaAinslie,ChrisAlberti,SantiagoOntanon,PhilipPham,AnirudhRavula,QifanWang,LiYang,AmrAhmed时间：2021

Bigcrab__·2023-12-20 14:30

【论文解读】Kvazaar 2.0: Fast and Efficient Open-Source HEVC Inter Encoder

时间：2020级别：SCI机构：TampereUniversity摘要：高效视频编码(HEVC)是当前多媒体应用中经济的视频传输和存储的关键，但解决其固有的计算复杂性需要强大的视频编解码器实现。本文介绍了Kvazaar2.0HEVC编码器，它是我们学术开源软件(github.com/ultravideo/kvazaar)的新版本。Kvazaar2.0引入了新的帧间编码功能，该功能建立在先进的率失真

DogDaoDao·2023-12-19 12:51

【论文解读】Comparing VVC, HEVC and AV1 using Objective and Subjective Assessments

时间：2020级别：IEEE机构：IEEE组织摘要：对3种最新的视频编码标准HEVC(HighEfficiencyvideoCoding)测试模型HM(HighEfficiencyvideoCoding)、amediavideo1(AV1)和VersatilevideoCoding测试模型(VTM)进行了客观和主观质量评价。通过精细化选择9个源序列，使其具有多样性和代表性，并在预定义的目标码率下对

DogDaoDao·2023-12-19 12:51

Prepositions

avant:before{Etavantledîner?}avec:withcontre:against{Nousvoulonsjouercontrevous.

查理C·2023-12-19 04:12

《密集环境下编队飞行的分布式集群轨迹优化》论文解读一

1.摘要本文的主要创新点在于提出了一个可微度量，可用于量化编队队形之间的相似性，该度量公式可以被引入决策规划的经典范式（优化框架），并利用多项式进行时空联合规划。同时这个框架能够平衡好避障与编队队形保持两个重要问题。英文中文aerialswarms空中机器人集群prescribedformation规定队形however，theassociateXXXlackthecapabilityof然而相关

无意2121·2023-12-19 01:04

《密集环境下编队飞行的分布式集群轨迹优化》论文解读二

目录1.时空轨迹表示2.OptimizationProblemFormulation2.1controleffort2.2totaltime2.3obstacleavoidance2.4swarmformationsimilarity2.5swarmreciprocalavoidance本文解析的论文为高飞老师的DistributedSwarmTrajectoryOptimizationforFo

无意2121·2023-12-19 01:29

llama/llama2论文解读

llama摘要llama在约1.4T的token上，训练出参数量7B到65B的模型，其模型规模如下在仅使用开源数据集的情况下，llama-13B在多数benchmarks上与GPT-3效果相当；llama-65B也与最好的模型（Chinchilla-70B和PALM-540B）打平。在预算有限的条件下，模型最佳性能并不是靠堆叠参数量实现，而是通过在更多的数据上训练较小的模型实现。此外，llama在

美洲大蠊很顽强·2023-12-18 03:05

Agent : 一文读懂LLM Agent架构，详解Profile，Memory，Planning，Action模块作用

原创予墨AI速览2023-10-0713:30收录于合集#AI论文解读3个##Agent5个在人工智能领域，人们对Agent的期待日益增长。

AI生成曾小健·2023-12-17 21:17

U-Net代码复现--train.py