文件名称：TriggerNER:扳机
文件大小：2.06MB
文件格式：ZIP
更新时间：2024-04-09 21:53:08
information-extraction dataset named-entity-recognition nlp-resources nlp-datasets
扳机 ACL 2020论文的代码和数据： 作者： ， ，沉明， ，Xiao Huang， ， 我们介绍了实体触发器，这是人工解释的有效代理，可促进标签模型对NER模型的高效学习。我们为两个经过充分研究的NER数据集众包了14k实体触发器。我们提出的模型称为“触发器匹配网络”，该模型具有自觉性，可以共同学习触发器表示形式和软匹配模块，从而可以轻松地泛化到看不见的句子以进行标记。实验表明，该框架具有更高的成本效益，因此使用20％的带触发注释的句子可以使用70％的训练数据，获得与传统监督方法相当的性能。 如果您在工作中使用此代码或实体触发器，请引用以下文章： @inproceedings { TriggerNER2020 , title = { TriggerNER: Learning with Entity Triggers as Explanations for Named E
【文件预览】：
TriggerNER-master
----.gitignore(211B)
----semi_supervised.py(6KB)
----model()
--------soft_inferencer_naive.py(5KB)
--------__init__.py(40B)
--------soft_matcher.py(6KB)
--------linear_crf_inferencer.py(9KB)
--------soft_inferencer.py(13KB)
--------charbilstm.py(2KB)
--------soft_attention.py(3KB)
--------soft_encoder.py(4KB)
----dataset()
--------CONLL()
--------BC5CDR()
--------Laptop-reviews()
----naive.py(4KB)
----README.md(3KB)
----util.py(2KB)
----config()
--------__init__.py(275B)
--------eval.py(4KB)
--------utils.py(9KB)
--------config.py(11KB)
--------reader.py(6KB)
----common()
--------__init__.py(74B)
--------sentence.py(473B)
--------instance.py(1021B)
----requirments.txt(88B)
----figure()
--------trig.png(44KB)
----supervised.py(5KB)