期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于藏文BERT的藏医药医学实体识别
被引量:
2
1
作者
朱亚军
拥措
尼玛扎西
《计算机与现代化》
2023年第1期43-48,共6页
藏医药文本字符嵌入对藏医药医学实体识别有着重要意义,但目前藏文缺少高质量的藏文语言模型。本文结合藏文结构特点使用普通藏文新闻文本训练基于音节的藏文BERT模型,并基于藏文BERT模型构建BERT-BiLSTM-CRF模型。该模型首先使用藏文B...
藏医药文本字符嵌入对藏医药医学实体识别有着重要意义,但目前藏文缺少高质量的藏文语言模型。本文结合藏文结构特点使用普通藏文新闻文本训练基于音节的藏文BERT模型,并基于藏文BERT模型构建BERT-BiLSTM-CRF模型。该模型首先使用藏文BERT模型对藏医药文本字符嵌入进行学习,增强字符嵌入对藏文字符及其上下文信息的表示能力,然后使用BiLSTM层进一步抽取藏医药文本中字符之间的依赖关系,最后使用CRF层强化标注序列的合法性。实验结果表明,使用藏文BERT模型初始化藏医药文本字符嵌入有助于提高藏医药医学实体识别效果,F1值达96.18%。
展开更多
关键词
藏文
藏医药
命名实体识别
BERT
双向长短期记忆
下载PDF
职称材料
结合级联技术的藏文预训练命名实体识别模型
2
作者
徐泽辉
珠杰
+3 位作者
许泽洲
汪超
严松思
刘亚姗
《中文信息学报》
CSCD
北大核心
2023年第11期23-28,共6页
命名实体识别是藏文自然语言处理中的一项关键任务,该文提出了结合三种藏文预训练模型(Word2Vec、ELMo、ALBERT)的Casade-BiLSTM-CRF结构。级联技术(Cascade)将藏文命名实体识别划分为两个子任务(实体边界划分,实体类别判断)分阶段进行...
命名实体识别是藏文自然语言处理中的一项关键任务,该文提出了结合三种藏文预训练模型(Word2Vec、ELMo、ALBERT)的Casade-BiLSTM-CRF结构。级联技术(Cascade)将藏文命名实体识别划分为两个子任务(实体边界划分,实体类别判断)分阶段进行,简化了模型结构;使用藏文预训练模型,能更好地学习藏文先验知识。实验表明,Cascade-BiLSTM-CRF模型相比于BiLSTM-CRF模型训练一轮时间缩短了28.30%;而将级联技术与预训练技术相结合,在取得更好识别效果的同时还缩短了模型训练时间。
展开更多
关键词
藏文命名实体识别
级联
预训练
下载PDF
职称材料
藏獒血液蛋白多态性研究
被引量:
5
3
作者
兰小平
郭宪
+2 位作者
陈永昌
鄢珣
崔泰保
《Agricultural Science & Technology》
CAS
2009年第4期50-54,共5页
1材料与方法 1.1材料共采集血样103份,其中,44份河曲藏獒(HTM),42份青海藏獒(QTM),5份青海藏狮犬(QTS)以及12份青海土种犬(NAD)。均采集后肢静脉肝素钠抗凝血5—10ml,24h内带回实验室,处理后置低温冰箱(-40℃)冻存备用。
关键词
河曲藏獒
血液蛋白多态性
低温冰箱
青海
抗凝血
肝素钠
实验室
材料
下载PDF
职称材料
基于深度学习的藏文人名地名识别
4
作者
朱亚军
拥措
《信息与电脑》
2022年第5期66-68,共3页
藏文人名地名识别主要是从藏文文本中识别出人名、地名等专有名词。藏文文本语法较为复杂,使用传统机器学习方法人工构建特征难度大。深度学习(DeepLearning,DL)可以对任务数据自动构建特征,使用BiLSTM提取藏文文本特征,采用CRF对标签...
藏文人名地名识别主要是从藏文文本中识别出人名、地名等专有名词。藏文文本语法较为复杂,使用传统机器学习方法人工构建特征难度大。深度学习(DeepLearning,DL)可以对任务数据自动构建特征,使用BiLSTM提取藏文文本特征,采用CRF对标签序列准确解码。实验证明基于BiLSTM-CRF的藏文人名地名识别模型能够有效识别藏文文本中的人名、地名,并且F1值达82.1%。
展开更多
关键词
藏文
命名实体识别
深度学习
下载PDF
职称材料
题名
基于藏文BERT的藏医药医学实体识别
被引量:
2
1
作者
朱亚军
拥措
尼玛扎西
机构
西藏大学信息科学技术学院
西藏自治区藏文信息技术人工智能重点实验室
藏文信息技术教育部工程研究中心
出处
《计算机与现代化》
2023年第1期43-48,共6页
基金
科技部重点研发计划重点专项(2017YFB1402200)
西藏自治区科技创新基地自主研究项目(XZ2021JR002G)
西藏大学研究生“高水平人才培养计划”项目(2019-GSP-S118)。
文摘
藏医药文本字符嵌入对藏医药医学实体识别有着重要意义,但目前藏文缺少高质量的藏文语言模型。本文结合藏文结构特点使用普通藏文新闻文本训练基于音节的藏文BERT模型,并基于藏文BERT模型构建BERT-BiLSTM-CRF模型。该模型首先使用藏文BERT模型对藏医药文本字符嵌入进行学习,增强字符嵌入对藏文字符及其上下文信息的表示能力,然后使用BiLSTM层进一步抽取藏医药文本中字符之间的依赖关系,最后使用CRF层强化标注序列的合法性。实验结果表明,使用藏文BERT模型初始化藏医药文本字符嵌入有助于提高藏医药医学实体识别效果,F1值达96.18%。
关键词
藏文
藏医药
命名实体识别
BERT
双向长短期记忆
Keywords
tibetan
tibetan
medicine
ner
BERT
BiLSTM
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
结合级联技术的藏文预训练命名实体识别模型
2
作者
徐泽辉
珠杰
许泽洲
汪超
严松思
刘亚姗
机构
西藏大学信息科学技术学院
省部共建西藏信息化协同创新中心
出处
《中文信息学报》
CSCD
北大核心
2023年第11期23-28,共6页
基金
西藏大学提升计划项目(ZDTSJH21-07)
西藏大学培育计划项目(ZDCZJH21-10)
+3 种基金
西藏大学珠峰学科建设计划项目(zf22002001)
国家自然科学基金(62066042)
教育部人文社会科学研究项目(21YJCZH059)
2021年西藏自治区高校人文社会科学研究项目(SK2021-24)。
文摘
命名实体识别是藏文自然语言处理中的一项关键任务,该文提出了结合三种藏文预训练模型(Word2Vec、ELMo、ALBERT)的Casade-BiLSTM-CRF结构。级联技术(Cascade)将藏文命名实体识别划分为两个子任务(实体边界划分,实体类别判断)分阶段进行,简化了模型结构;使用藏文预训练模型,能更好地学习藏文先验知识。实验表明,Cascade-BiLSTM-CRF模型相比于BiLSTM-CRF模型训练一轮时间缩短了28.30%;而将级联技术与预训练技术相结合,在取得更好识别效果的同时还缩短了模型训练时间。
关键词
藏文命名实体识别
级联
预训练
Keywords
tibetan ner
cascade
pre-training
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
藏獒血液蛋白多态性研究
被引量:
5
3
作者
兰小平
郭宪
陈永昌
鄢珣
崔泰保
机构
天水师范学院生命科学与化学学院
中国农业科学院兰州畜牧与兽药研究所
中国科学院昆明动物研究所
甘肃农业大学
出处
《Agricultural Science & Technology》
CAS
2009年第4期50-54,共5页
基金
Supported by Foundation of Gansu Technology Committee (GKC-97-27-5)
Youth Foundation of Tianshui Normal University (X4-25)~~
文摘
1材料与方法 1.1材料共采集血样103份,其中,44份河曲藏獒(HTM),42份青海藏獒(QTM),5份青海藏狮犬(QTS)以及12份青海土种犬(NAD)。均采集后肢静脉肝素钠抗凝血5—10ml,24h内带回实验室,处理后置低温冰箱(-40℃)冻存备用。
关键词
河曲藏獒
血液蛋白多态性
低温冰箱
青海
抗凝血
肝素钠
实验室
材料
Keywords
tibetan
Mastiff
Blood protein polymorphism
Effective number of alleles
ner
s average expected heterozygosity
分类号
S829.2 [农业科学—畜牧学]
S829.1 [农业科学—畜牧学]
下载PDF
职称材料
题名
基于深度学习的藏文人名地名识别
4
作者
朱亚军
拥措
机构
西藏大学信息科学技术学院
出处
《信息与电脑》
2022年第5期66-68,共3页
基金
西藏大学研究生高水平人才培养计划《藏文预训练语言模型研究》(项目编号:2019-GSP-S118)。
文摘
藏文人名地名识别主要是从藏文文本中识别出人名、地名等专有名词。藏文文本语法较为复杂,使用传统机器学习方法人工构建特征难度大。深度学习(DeepLearning,DL)可以对任务数据自动构建特征,使用BiLSTM提取藏文文本特征,采用CRF对标签序列准确解码。实验证明基于BiLSTM-CRF的藏文人名地名识别模型能够有效识别藏文文本中的人名、地名,并且F1值达82.1%。
关键词
藏文
命名实体识别
深度学习
Keywords
tibetan
ner
deep learning
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于藏文BERT的藏医药医学实体识别
朱亚军
拥措
尼玛扎西
《计算机与现代化》
2023
2
下载PDF
职称材料
2
结合级联技术的藏文预训练命名实体识别模型
徐泽辉
珠杰
许泽洲
汪超
严松思
刘亚姗
《中文信息学报》
CSCD
北大核心
2023
0
下载PDF
职称材料
3
藏獒血液蛋白多态性研究
兰小平
郭宪
陈永昌
鄢珣
崔泰保
《Agricultural Science & Technology》
CAS
2009
5
下载PDF
职称材料
4
基于深度学习的藏文人名地名识别
朱亚军
拥措
《信息与电脑》
2022
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部