论文阅读：Incorporating dictionaries into deep neural networks for the Chinese clinical NER
文章目录 摘要 一、简介 二、相关工作 三、模型 四、融合词典信息 N-Gram Feature PIPE PDET 五、融合结构 六、实验结果 摘要 融合了字典到深度神经网络中，解决了一些稀有实体不能被识别的问题。 一、简介 对每个中文字符，基于字典和上下文设计了5种不同的Schemes来创建特征向量。 介绍了两种结构融合特征向量和字的Embedding向量 二、相关工作 现有工作可分为四类：(
相关文章
- 1. 论文笔记：A Neural Multi-digraph Model for Chinese NER with Gazetteers
- 2. 论文阅读：Deep Neural Networks for Object Detection
- 3. 论文阅读《Long Short-Term Memory Neural Networks for Chinese Word Segmentation》
- 4. 论文阅读：Aggregated Residual Transformations for Deep Neural Networks（ResNeXt）
- 5. [论文解读] Concolic Testing for Deep Neural Networks
- 6. 论文阅读--PVANET: Deep but Lightweight Neural Networks for Real-time Object Detection
- 7. 《2017-Aggregated Residual Transformations for Deep Neural Networks》论文阅读
- 8. 论文阅读：《Convolutional Neural Networks for Sentence Classification》
- 9. 论文阅读-Fast Algorithms for Convolutional Neural Networks
- 10. 论文笔记《DermaKNet: Incorporating the knowledge of dermatologists to Convolutional Neural Networks for 》
- 更多相关文章...
- • RSS 阅读器 - RSS 教程
- • C# 文本文件的读写 - C#教程
- • JDK13 GA发布：5大特性解读
- • Scala 中文乱码解决
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 论文笔记：A Neural Multi-digraph Model for Chinese NER with Gazetteers
- 2. 论文阅读：Deep Neural Networks for Object Detection
- 3. 论文阅读《Long Short-Term Memory Neural Networks for Chinese Word Segmentation》
- 4. 论文阅读：Aggregated Residual Transformations for Deep Neural Networks（ResNeXt）
- 5. [论文解读] Concolic Testing for Deep Neural Networks
- 6. 论文阅读--PVANET: Deep but Lightweight Neural Networks for Real-time Object Detection
- 7. 《2017-Aggregated Residual Transformations for Deep Neural Networks》论文阅读
- 8. 论文阅读：《Convolutional Neural Networks for Sentence Classification》
- 9. 论文阅读-Fast Algorithms for Convolutional Neural Networks
- 10. 论文笔记《DermaKNet: Incorporating the knowledge of dermatologists to Convolutional Neural Networks for 》