论文研究-BioTrHMM:基于迁移学习的生物医学命名实体识别算法.pdf
为了降低生物医学文本中命名实体识别对目标领域标注数据的需求，将生物医学文本中的命名实体识别问题转换为基于迁移学习的隐马尔可夫模型问题。对要进行命名实体识别的目标领域数据集无须进行大量数据标注，通过迁移学习的方法实现对目标领域的识别分类；以相关领域数据为辅助数据集，利用数据引力的方法评估辅助数据集的样本在目标领域学习中的贡献程度，在辅助数据集和目标领域数据集上计算权值进行迁移学习。基于权值学习模型，构建基于迁移学习的隐马尔可夫模型算法BioTrHMM。在GENIA语料库的数据集上的实验表明，BioTrHMM算法比传统的隐马尔可夫模型算法具有更好的性能，仅需要少量的目标领域标注数据即可具有较好的命名实体识别性能。
文件下载
评论信息
其他资源
- Pajek的32位和64位最新版安装包
- 深度强化学习PPO算法(python)
- 财政业务基础数据规范（3.0版）.docx
- AI+学习路线.pdf
- 遗传算法求解混合流水车间调度问题.cpp
- openh264(openh264.lib)
- 数字图像处理——技术详解与Visual C++实践
- STM32F767数据手册
- fpga实现音乐VHDL代码_友谊天长地久.pdf
- 简易灯光控制系统app源码
- 3d打印耗材最适温区240-180温度调节塔——.rar
- 文鼎书宋简繁(兼容新版win10).ttf
- note_on_dso.pdf
- 1.18.6.zip
- win8扁平化设计后台模板_bootstrap响应式后台模板下载.zip
- MIMO雷达波形设计
- 修改我的电脑右键属性中查看到的硬件信息
- 智慧旅游系统功能白皮书
- 毕业论文-电子商务网站开发设计与实现
- 无向图生成森林
- AIX操作系统
- 即时通讯flamingo客户端
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明