Pasca

@Samuelcoding

Pasca 暂无简介

Pasca的个人主页
/
关注的仓库(54)

    Watch Pasca/atec2018-nlp

    ATEC2018 NLP赛题 复赛f1 = 0.7327

    最近更新: 接近5年前

    Watch Pasca/deep-siamese-text-similarity

    孪生网络计算中文文本相似性

    最近更新: 接近5年前

    Watch Pasca/MLDemo_02

    最近更新: 接近5年前

    Watch Pasca/MLDemo_03

    最近更新: 接近5年前

    Watch Pasca/Bert-BiLSTM-CRF-pytorch

    最近更新: 接近5年前

    Watch Pasca/ALBERT_NER_KERAS

    ALBERT_LSTM做序列标注

    最近更新: 接近5年前

    Watch Pasca/roberta_zh

    RoBERTa预训练模型

    最近更新: 接近5年前

    Watch Pasca/CCKS2019_EventEntityExtraction_Rank5

    CCKS2019-面向金融领域的事件主体抽取方法,“事件识别”是舆情监控领域和金融领域的重要任务之一,“事件”在金融领域是投资分析,资产管理的重要决策参考。“事件识别”的复杂性在于事件类型和事件主体的判断,比如“公司A产品出现添加剂,其下属子公司B和公司C遭到了调查”,对于“产品出现问题”事件类型,该句中事件主体是“公司A”,而不是“公司B”或“公司C”。我们称发生特定事件类型的主体成为事件主体,本任务中事件主体范围限定为:公司和机构。事件类型范围确定为:产品出现问题、高管减持、违法违规… 本次评测任务的主要目标是从真实的新闻语料中,抽取特定事件类型的主体。即给定一段文本T,和文本所属的事件类型S,从文本T中抽取指定事件类型S的事件主体。 输入:一段文本,事件类型S 输出:事件主体 示例: 样例1 输入:”公司A产品出现添加剂,其下属子公司B和公司C遭到了调查”, “产品出现问题” 输出: “公司A” 样例2 输入:“公司A高管涉嫌违规减持”,“交易违规” 输出: “公司A”

    最近更新: 接近5年前

    Watch Pasca/Event-Extraction

    事件抽取各种Baseline

    最近更新: 接近5年前

    Watch Pasca/albert-chinese-ner

    最近更新: 接近5年前

搜索帮助