搜索 - 腾讯云开发者社区-腾讯云

文章/答案/技术大牛

发布

来自专栏AI小白入门
初学者|一文读懂命名实体识别
发展历史命名实体识别这个术语首次出现在MUC-6（Message Understanding Conferences），这个会议关注的主要问题是信息抽取（Information Extraction）在MUC-6之前，大家主要是关注人名、地名和组织机构名这三类专业名词的识别。自MUC-6起，后面有很多研究对类别进行了更细致的划分，比如地名被进一步细化为城市、州和国家，也有人将人名进一步细分为政治家、艺人等小类。下载地址：https://bosonnlp.com/dev/resource 工具推荐 Stanford NER 斯坦福大学开发的基于条件随机场的命名实体识别系统，该系统参数是基于CoNLL、MUC-6
1.7K50发布于 2019-05-29
来自专栏人工智能头条
一文读懂命名实体识别
02 发展历史命名实体识别这个术语首次出现在 MUC-6（Message Understanding Conferences），这个会议关注的主要问题是信息抽取（Information Extraction 在MUC-6之前，大家主要是关注人名、地名和组织机构名这三类专业名词的识别。自MUC-6起，后面有很多研究对类别进行了更细致的划分，比如地名被进一步细化为城市、州和国家，也有人将人名进一步细分为政治家、艺人等小类。 Stanford NER 斯坦福大学开发的基于条件随机场的命名实体识别系统，该系统参数是基于 CoNLL、MUC-6、MUC-7 和 ACE 命名实体语料训练出来的。
2.3K10发布于 2019-04-30
来自专栏深度学习自然语言处理
初学者|一文读懂命名实体识别
发展历史命名实体识别这个术语首次出现在MUC-6（Message Understanding Conferences），这个会议关注的主要问题是信息抽取（Information Extraction）在MUC-6之前，大家主要是关注人名、地名和组织机构名这三类专业名词的识别。自MUC-6起，后面有很多研究对类别进行了更细致的划分，比如地名被进一步细化为城市、州和国家，也有人将人名进一步细分为政治家、艺人等小类。下载地址：https://bosonnlp.com/dev/resource 工具推荐 Stanford NER 斯坦福大学开发的基于条件随机场的命名实体识别系统，该系统参数是基于CoNLL、MUC-6
1.9K10发布于 2019-11-19
来自专栏通用文字识别信息技术白皮书
【技术白皮书】第二章：OCR智能文字识别回顾——自然语言文本发展历程
MUC-6于1995年9月举行，训练时的目标场景是劳动争议的协商情况，测试时的目标场景是公司管理人员的职务变动情况，共有16家单位参加了这次会议。 MUC-6的评测更为细致，强调系统的可移植性以及对文本的深层理解能力。除MUC-6已有的四项评测任务外，MUC-7又增加了一项新任务——模板关系任务，它意在确定实体之间与特定领域无关的关系。共有18家单位参加了MUC-7评测。值得注意的是，在MUC-6和MUC-7中开发者只允许用四周的时间进行系统的移植，而在先前的评测中常常允许有6-9个月的移植时间。1998年在MUC-7会议上第１次正式提出实体关系抽取任务。
86720编辑于 2022-08-16
来自专栏产品经理的人工智能学习库
命名实体识别 – Named-entity recognition | NER
一家公司提供的数据集,包含人名、地名、机构名、专有名词 boson 相关工具推荐工具简介访问地址 Stanford NER 斯坦福大学开发的基于条件随机场的命名实体识别系统，该系统参数是基于CoNLL、MUC
3.3K00发布于 2019-12-18
来自专栏自然语言处理
实体识别(1) -实体识别任务简介
thunlp/Few-NERD/tree/main/data … 命名实体识别模型命名实体识别工具 Stanford NER：斯坦福大学开发的基于条件随机场的命名实体识别系统，该系统参数是基于CoNLL、MUC
1.3K20编辑于 2023-08-25
来自专栏人工智能领域
AI写作（二）NLP：开启自然语言处理的奇妙之旅（2/10）
命名实体识别的发展历史可以追溯到 MUC-6（Message Understanding Conferences），这个会议关注的主要问题是信息抽取，第六届 MUC 除了信息抽取评测任务还开设了新评测任务即命名实体识别任务自 MUC-6 起，后面有很多研究对类别进行了更细致的划分，比如地名被进一步细化为城市、州和国家，也有人将人名进一步细分为政治家、艺人等小类。此外，一些评测还扩大了专业名词的范围。命名实体识别可以识别文本中的特定实体，其发展历史可追溯到 MUC-6，常见的实现方式包括有监督、半监督、无监督和混合方法。 NLP 的应用广泛，包括文本分类、情感分析、机器翻译和问答系统等。
46510编辑于 2024-12-18
来自专栏机器学习初学者精选文章
【NLP】一文了解命名实体识别
什么是命名实体 1991年Rau等学者首次提出了命名实体识别任务，但命名实体（named entity，NE）作为一个明确的概念和研究对象，是在1995年11月的第六届MUC会议（MUC-6，the 当时的MUC-6和后来的MUC-7并未对什么是命名实体进行深入的讨论和定义，只是说明了需要标注的实体是“实体的唯一标识符（unique identifiers of entities）”，规定了NER评测需要识别的三大类
2.3K20发布于 2020-09-14
来自专栏人工智能前沿讲习
命名实体识别的深度学习综述
NER的发展 (MUC-6) 第一次使用“NER”，之后被受到关注。对NER的学术定义。NER可以分为两类：generic NEs和domain-specific NEs。 2.3.2 软匹配 MUC-6定义软匹配为：当识别的实体边界是覆盖正确的边界并且实体类别是正确的就可以被认为是正确匹配。Then ACE提出更复杂的评估方法，但不常用。
2.1K30发布于 2020-09-24

初学者|一文读懂命名实体识别

一文读懂命名实体识别

初学者|一文读懂命名实体识别

【技术白皮书】第二章：OCR智能文字识别回顾——自然语言文本发展历程

命名实体识别 – Named-entity recognition | NER

实体识别(1) -实体识别任务简介

AI写作（二）NLP：开启自然语言处理的奇妙之旅（2/10）

【NLP】一文了解命名实体识别

命名实体识别的深度学习综述

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐