Zobrazeno 1 - 10
of 109
pro vyhledávání: '"nested named entity recognition"'
Publikováno v:
Scientific Reports, Vol 14, Iss 1, Pp 1-13 (2024)
Abstract The Span-based model can effectively capture the complex entity structure in the text, thus becoming the mainstream model for nested named entity recognition (Nested NER) tasks. However, traditional Span-based models decode each entity span
Externí odkaz:
https://doaj.org/article/5126a2ca5a83449e84dcbfeabbc1e3ea
Publikováno v:
Jisuanji kexue yu tansuo, Vol 18, Iss 6, Pp 1613-1626 (2024)
Nested named entity recognition (NNER) has become a research hotspot in information extraction because of its increasingly important practical significance. However, due to the shortage of corpus resources, limited exhaustive windows, missing span fe
Externí odkaz:
https://doaj.org/article/25769fa3b3774bd5aa4c60db049732bd
Publikováno v:
Applied Sciences, Vol 14, Iss 20, p 9302 (2024)
Biomedical named entity recognition (BioNER) aims to identify and classify biomedical entities (i.e., diseases, chemicals, and genes) from text into predefined classes. This process serves as an important initial step in extracting biomedical informa
Externí odkaz:
https://doaj.org/article/be00f8121ac7473ebceced8cb9e8adad
Publikováno v:
International Journal of Web Information Systems, 2023, Vol. 19, Issue 1, pp. 42-60.
Externí odkaz:
http://www.emeraldinsight.com/doi/10.1108/IJWIS-04-2023-0070
Autor:
Xiajun Wang, Cheng Peng, Qifeng Li, Qinyang Yu, Liqun Lin, Pingping Li, Ronghua Gao, Wenbiao Wu, Ruixiang Jiang, Ligen Yu, Luyu Ding, Lei Zhu
Publikováno v:
Applied Sciences, Vol 14, Iss 18, p 8495 (2024)
Extracting entities from large volumes of chicken epidemic texts is crucial for knowledge sharing, integration, and application. However, named entity recognition (NER) encounters significant challenges in this domain, particularly due to the prevale
Externí odkaz:
https://doaj.org/article/367d332508ca439196ea3c8f39d4a01c
Publikováno v:
IEEE Access, Vol 11, Pp 55139-55148 (2023)
Named Entity Recognition (NER) poses challenges for both flat and nested tasks, which require different paradigms. To overcome this issue, we present GFNER, a unified global feature-aware framework based on table filling, that can handle both types o
Externí odkaz:
https://doaj.org/article/6b96eceb90a64e2f9386689f03a56cfc
Publikováno v:
Jisuanji kexue, Vol 50, Iss 1, Pp 213-220 (2023)
Chinese nested named entity recognition(CNNER) is a challenging task due to the absence of natural delimiters in Chinese and the complexity of the nested structure.In this paper,we propose a novel boundary-aware layered neural model(BLNM) with segmen
Externí odkaz:
https://doaj.org/article/1e65caaf4ba0497fad6f800318aad2aa
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.