RoBERTa相关论文
近年来，由于Transformer模型中应用的多头注意力机制能够有效地捕获较长的上下文信息，基于Transformer的模型已经成为主流方法。尽管......
随着互联网的发展,各种具有社交功能的互联网平台也应运而生,网民在互联网上所产生的文本数量迅速增长,形成了微博、博客、新闻等......
随着自然语言处理技术的发展,大规模的中文实体关系抽取数据集日趋完善,实体关系抽取技术也受到越来越多的关注。关系抽取在自然语......
针对现有微博谣言检测算法在实用场景中存在滞后性,以及传统深度学习模型特征提取能力不足等问题,提出了基于RoBERTa-BiSRU++-AT的......
随着我国信息科技实力的不断提升,网络空间中的内容极速膨胀,大量数据问题一涌而出,如:博客网站充斥了大量的抄袭内容,搜索出的内......
文本自动分词是非物质文化遗产相关数字人文研究的基础与关键步骤，是深度发掘非遗内在信息的前提。文章构建了国家级非物质文化遗产......
为了改善现有基于深度学习网络的中文评论情感分类方法,同时提高中文评论情感分类的正确率和效率,基于Tensorflow框架,对传统BERT......
【目的】为有效抽取典籍中蕴含的事件信息,构建面向典籍的事件抽取框架,并采用RoBERTa-CRF模型实现事件类型、论元角色和论元的抽......
随着信息技术的发展,互联网产生文本数据的速度急剧增加。这些文本数据中尽管蕴含着大量有价值的信息,却因为其通常以非结构化数据......
实体关系抽取技术能够自动化地从海量无结构文本中抽取信息,构建大规模知识图谱,丰富现有知识图谱的内容,为知识图谱推理和应用提......
[目的/意义]将从互联网大数据中无监督学习的结果迁移到目标领域,解决目标领域因学习样本有限而信息识别效果难以提升的问题.[方法......
机器阅读理解(MRC)是指让计算机像人类一样阅读文本,提炼文本信息并回答相关问题。传统的基于深度学习的方法利用双向循环神经网络......
...
机器阅读理解是指让计算机像人类一样阅读文本,提炼文本信息并回答相关问题。随着深度学习技术的快速发展,基于深度神经网络的阅读......
在实体关系抽取研究领域中,目前多采用任务串联式的方式对实体关系进行抽取,此方式忽视多任务之间的联系,导致抽取效果不佳,对数据......
