本项目是基于tensorflow2的猫狗识别,采用了卷积神经网络和迁移学习的方法对猫狗进行学习,欢迎对深度学习感兴趣的朋友进行下载。
A new method for open Chinese named entity recognition
本文主要对面向中文医学文本的命名实体识别问题进行了神经网络模块的分解分析。通过将问题拆解为多个神经网络模块的组合,可以更好地解决中文医学文本中的命名实体识别难题,提高识别准确率。本文由段宇锋撰写,综合
电子病历(Electronicmedicalrecords,EMR)产生于临床治疗过程,其中命名实体和实体关系反映了患者健康状况,包含了大量与患者健康状况密切相关的医疗知识,因而对它们的识别和抽取是信
命名实体识别 (NER)试图将非结构化文本中的命名实体定位和分类为预先定义的类别,例如人名,组织,位置,医疗代码,时间表达,数量,货币价值,百分比等[1]。 该应用程序是用Python编写的,仅用于展
TensorflowsolutionofNERtaskUsingBiLSTM-CRFmodelwithGoogleBERTFine-tuning
背景:基因命名实体的分类和识别是生物医学文献中文本挖掘的关键性初步步骤。 基于机器学习的方法已在这一领域获得了巨大成功。 在大多数最新系统中,精心设计的词汇功能(例如单词,n-gram和形态模式)已发
针对基于文本的需求跟踪方法严重依赖文本质量的问题,提出了一种利用命名实体识别技术标注制品文档关键词的需求跟踪方法。该方法通过代码实体上下文构建命名实体识别模型,解决了抽象语法树和正则表达式无法解析非源
中老双语NE对齐具有非常重要的意义。 本文提出了三种实体对齐方法。 首先,提出了双语实体模糊匹配问题的相似性。 其次,我们采用双语实体词序列模式相似度提出中文实体模型来匹配老挝实体方法。 然后,通过挖
开源REST-API,用于命名实体提取,规范化,对帐,推荐,命名实体消歧和命名实体链接 REST API和Python库,用于搜索,建议,推荐,规范化,对帐,命名实体提取,命名实体链接和命名实体的歧义