基于多任务学习的生物医学触发词检测和命名实体识别方法.pdf

基于多任务学习的层次类别命名实体识别模型设计方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114881032 A (43)申请公布日 2022.08.09 (21)申请号 202210462583.4 (22)申请日 2022.04.28 (71)申请人北京计算机技术及应用研究所地址

2023-05-17 约1.46万字 11页立即下载

一种基于多任务学习的遮挡行人重识别方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112801051 A (43)申请公布日 2021.05.14 (21)申请号 202110333021.5 (22)申请日 2021.03.29 (71)申请人哈尔滨理工大学地址

2023-06-05 约1.11万字 11页立即下载

基于迁移学习的小样本命名实体识别方法研究.pdf 基于迁移学习的小样本命名实体识别方法研究摘要近年来，深度学习因其出色的特征提取能力和高精度表现在机器学习领域备受瞩目，但仍需要大量标注数据进行有效训练。在许多实际应用场景中，缺乏标注数据和高成本的人工标注是命名实体识别任务难以解决的问题，在特定领域、小语种等缺乏标注资源的情况下尤为明显。迁移学习中的领域自适应是一种有效的方法，能够通过调整源领域模型参数以适应目标领域，解决命名实体识别任务中标注数据匮乏和难以进行实体标注的问题。现有的领域自适应方法以及小样本命名实体识别还存在以下问题：第一，虽然最大均值差异方法可以减少源领域和目标领域之间特征分布的差异，但其忽略了类别信息，从而

2025-05-23 约10.8万字 66页立即下载

基于深度学习的中文医学命名实体识别方法研究.docx 基于深度学习的中文医学命名实体识别方法研究一、引言随着信息技术的飞速发展，医学领域的数据量呈现爆炸式增长。医学命名实体识别（MedicalNamedEntityRecognition，简称MNER）作为自然语言处理（NLP）的重要分支，对于医学信息抽取、病历分析、药物研发等领域具有重大意义。传统的命名实体识别方法在处理复杂多变的医学文本时往往效果不佳，而基于深度学习的MNER方法因能够从海量的医学数据中学习并发现知识而日益受到重视。本文将介绍一种基于深度学习的中文医学命名实体识别方法。二、背景及现状目前，中文医学命名实体识别领域面临着诸多挑战，如术语多样性、句子复杂性以及医疗信息隐私等

2025-03-04 约4.94千字 10页立即下载

基于零样本学习的中文医学命名实体识别方法研究与应用.pdf 成都信息工程大学硕士学位论文基于零样本学习的中文医学命名实体识别方法研究与应用摘要 命名实体识别可以识别电子病历中蕴含的医学实体信息，为人工智能在医疗卫生服务中的应用提供了条件和支持。目前大多数研究采用的是有监督的深度学习方法，并且假设训练数据中包含所有可能的实体类别，缺乏处理未见类的能力，但是在实际应用中会不断涌现新的类别，因此需要重新标注和训练。零样本学习允许在预测阶段引入新的类别而不需要额外的标注数据和重新训练，通过引入对实体的描述来解决训练集的类别和测试集的类别不相交的问题，因此本文对基于零样本学习的中文医学命名识别方法展开了研究，主要内容如下：（1）采用类别描述信息

2025-06-09 约10.98万字 70页立即下载

基于BioBERT的生物医学命名实体识别：技术、应用与优化.docx 基于BioBERT的生物医学命名实体识别：技术、应用与优化一、引言 1.1研究背景与意义在当今生物医学领域，随着生命科学研究的不断深入和信息技术的飞速发展，生物医学文本数据呈现出爆炸式增长。国际权威生物医学文献数据库MEDLINE，截至2024年，已收录超过2000万篇生物医学文摘，且仍以每年约70万篇的速度持续递增。这些海量的文本数据蕴含着丰富的生物医学知识，如疾病的发病机制、药物的作用靶点、基因与蛋白质的相互关系等。但从如此庞大的数据中快速、准确地获取有价值的信息，成为了生物医学研究人员面临的巨大挑战。 命名实体识别（NamedEntityRecognition，N

2025-03-09 约3.7万字 28页立即下载

基于句法依存分析的图网络生物医学命名实体识别.docx PAGE 1- 基于句法依存分析的图网络生物医学命名实体识别第一章引言 (1)随着生物医学领域的迅速发展，大量文本数据不断涌现，如何从这些数据中高效、准确地识别出具有生物学意义的实体成为了一个重要的研究方向。生物医学命名实体识别（BiomedicalNamedEntityRecognition，BNER）作为自然语言处理领域的一个重要分支，旨在从文本中自动识别出生物医学领域的关键实体，如疾病、药物、基因等。这些实体的识别对于生物医学研究、药物研发、疾病诊断等领域具有重要的应用价值。 (2)传统的生物医学命名实体识别方法主要依赖于规则匹配、统计机器学习等手段。然而，这些方法往往依赖于大量的手工

2025-01-22 约3.28千字 6页立即下载

一种基于改进随机平均梯度下降的医学命名实体识别方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112966516 A (43)申请公布日 2021.06.15 (21)申请号 202110435549.3 (22)申请日 2021.04.22 (71)申请人浙大城市学院地址

2023-06-08 约1.57万字 14页立即下载

面向生物医学领域的少样本命名实体识别.pdf 面向生物医学领域的少样本命名实体识别中文摘要面向生物医学领域的少样本命名实体识别中文摘要在生物医学研究领域，随着研究的不断深入，涌现出大量的专业术语和实体。这些实体信息对于科研人员快速获取关键知识、构建专业术语知识库以及推动生物医学 科学的进步具有重要意义。然而，由于标注数据的稀缺性和获取成本的高昂，获取充足的标注样本以训练命名实体识别模型成为了一项挑战。因此，探索在有限样本条

2025-02-22 约10.6万字 71页立即下载

多任务学习深度网络的识别方法、系统及设备.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 114565064 B (45)授权公告日 2022.07.15 (21)申请号 202210445590.3 (51)Int.Cl.

2023-05-06 约1.29万字 10页立即下载

基于数据增强和语义学习的中文命名实体识别方法研究与实现.docx 基于数据增强和语义学习的中文命名实体识别方法研究与实现一、引言随着信息技术的迅猛发展，大数据时代的到来，命名实体识别（NER，NamedEntityRecognition）技术在自然语言处理（NLP）领域得到了广泛应用。对于中文文本而言，命名实体识别技术主要用于从海量文本数据中自动识别出具有特定含义的实体，如人名、地名、机构名等。然而，中文的复杂性和多变性使得命名实体识别的任务充满挑战。本文旨在探讨基于数据增强和语义学习的中文命名实体识别方法的研究与实现。二、研究背景与意义在过去的几十年里，命名实体识别一直是自然语言处理领域的重要研究课题。尤其是在大数据环境下，对海量的文本数据进行有效

2025-05-01 约4.7千字 9页立即下载

一种基于数据增强与主动学习的小样本命名实体识别方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利 (10)授权公告号 CN 113361278 B (45)授权公告日 2022.02.15 (21)申请号 202110688053.7 G06N 3/04 (2006.01) (22)申请日 2

2023-06-20 约3.16万字 20页立即下载

一种基于多元特征和机器学习的命名实体识别方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112989830 A (43)申请公布日 2021.06.18 (21)申请号 202110251787.9 G06N 3/08 (2006.01)

2023-06-09 约2.4万字 15页立即下载

基于大语言模型的命名实体识别方法研究.docx 基于大语言模型的命名实体识别方法研究目录 1.内容概要 2 1.1研究背景与意义 2 1.2国内外研究现状 2 1.3研究内容与方法 3 2.基于大语言模型的命名实体识别技术概述 3 2.1命名实体识别(NER)技术简介 3 2.2大语言模型技术简介 4 2.3命名实体识别在自然语言处理中的应用 5 2.4现有技术存在的问题与挑战 6 3.基于大语言模型的命名实体识别方法研究 7 3.1模型结构设计 7 3.1.1模型框架设计 8 3.1.2数据预处理与增强 9 3.2算法优化策略 10 3.2.1特征选择与提取 11 3.2.2损失函数的设计与调整 12 3.3实验设计与结果分析 13 3

2025-03-28 约1.32万字 32页立即下载

基于ALBERT的命名实体识别方法研究.docx 基于ALBERT的命名实体识别方法研究一、引言 命名实体识别（NamedEntityRecognition,NER）是自然语言处理（NLP）的重要任务之一。其主要目标是在文本中自动识别和标注特定类型的命名实体，如人名、地名、机构名、时间等。随着深度学习和神经网络的兴起，特别是近年来基于Transformer模型的算法在NER任务上表现卓越。ALBERT作为其中一种优化过的预训练模型，已被广泛运用于多种NLP任务。本文将就基于ALBERT的命名实体识别方法展开深入研究，以期提高识别效率和准确度。二、ALBERT模型简介 ALBERT（ALiteBERT）是Google开发的一种基于BERT的

2025-05-03 约4.56千字 9页立即下载