首页/论文/1412.4401

arXiv 1412.44012014-12-14cs.CYcs.CL

术语处理工具

Tools for Terminology Processing

IRIN, Université de Nantes（南特大学 IRIN）

C. Enguehard, B. Daille, E. Morin

发表信息：: R. K. Arora, M. Kulkarni, H. Darbari. The Indo-European Conference on Multilingual Communications Technologies (IEMCT), Jun 2002, Pune, India. Tata McGraw-Hill, pp.218 - 229

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

自动术语处理出现在10年前，当时电子语料库变得广泛可用。这样的处理可能是统计或语言为基础，并产生术语资源，可以在一些应用程序中使用：索引，信息检索，技术手表等，我们提出的工具，已开发的IRIN研究所。它们都以文本（或文本集合）作为输入，反映了术语处理的不同状态：术语获取、术语识别和术语结构。

英文摘要：

Automatic terminology processing appeared 10 years ago when electronic corpora became widely available. Such processing may be statistically or linguistically based and produces terminology resources that can be used in a number of applications : indexing, information retrieval, technology watch, etc. We present the tools that have been developed in the IRIN Institute. They all take as input texts (or collection of texts) and reflect different states of terminology processing: term acquisition, term recognition and term structuring.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

DeviceBERT：基于定向标注与词汇增强的迁移学习方法，用于识别FDA召回摘要中的医疗器械及组件术语

DeviceBERT: Applied Transfer Learning With Targeted Annotations and Vocabulary Enrichment to Identify Medical Device and Component Terminology in FDA Recall Summaries

Stanford University（斯坦福大学）

本文提出DeviceBERT流水线，在BioBERT基础上通过定向标注和词汇增强提升FDA召回摘要中医疗器械及组件术语的命名实体识别准确率，并验证其在训练数据稀疏场景下的有效性。

2024-06-08cs.AIcs.CL

SNOBERT：SNOMED CT临床术语中临床笔记实体链接的基准

SNOBERT: A Benchmark for clinical notes entity linking in the SNOMED CT clinical terminology

University of Erlangen-Nuremberg（埃尔朗根-纽伦堡大学）；Moscow Institute of Physics and Technology - State University (MIPT)（莫斯科物理技术学院（国立大学））

本文提出SNOBERT方法，利用BERT模型将临床笔记文本链接到SNOMED CT概念，通过候选选择和匹配两阶段，在大型公开数据集上训练，优于其他深度学习方法。

2024-05-25cs.CLcs.LG

MedicalBERT：利用基于BERT的预训练模型增强生物医学自然语言处理

MedicalBERT: enhancing biomedical natural language processing using pretrained BERT-based model

R. V. College of Engineering（R. V. 工程学院）

本文提出在大型生物医学语料上预训练并配备领域词表的MedicalBERT，经微调后在多类医学NLP任务中多数基准优于BioBERT等模型，平均超过通用BERT 5.67%。

2025-07-25cs.AIcs.CLcs.LG

语言加工任务中预训练模型的时间效应

Temporal Effects on Pre-trained Models for Language Processing Tasks

University of Pennsylvania（宾夕法尼亚大学）；Adobe Research（Adobe研究院）

随着时间的推移，保持语言技术的性能最佳具有很大的实际意义。我们研究了下游语言任务对模型性能的时间影响，为这种讨论建立了一个微妙的术语，并确定了进行稳健研究所必需的因素。我们提出了几个任务中的英语标签的正确性是不依赖于时间的实验，并证明了时间模型恶化和时间领域自适应系统使用预先训练的表示之间的区分的重要性。我们发现，根据任务，时间模型恶化不一定是一个问题。然而，时间领域自适应在所有情况下都是有益的，当系统在时间上更近的数据上训练时，给定时间段的更好性能是可能的。因此，我们还研究了两种方法的有效性的时间领域自适应没有人类注释的新数据。自标记显示出一致的改进，特别是对于命名实体识别，导致比人类注释更好的时间适应。

2022-06-06cs.CL

NNVLP：一个基于神经网络的越南语处理工具包

NNVLP: A Neural Network-Based Vietnamese Language Processing Toolkit

Alt Inc（Alt 公司）；FPT University（FPT 大学）；Vietnam National University（越南国家大学）

本文展示了基于神经网络的工具包，即NNVLP基本越南语言处理任务，包括词性（POS）标记，组块，命名实体识别（NER）。我们的工具包是双向长短期记忆（Bi-LSTM），卷积神经网络（CNN），条件随机场（CRF）的组合，使用预训练的词嵌入作为输入，在这三个任务上实现了最先进的结果。我们为这个工具包提供了API和Web演示。

2017-10-19cs.CL

BNLP：孟加拉语的自然语言处理工具包

BNLP: Natural language processing toolkit for Bengali language

Begum Rokeya University, Rangpur, Bangladesh（贝古姆·罗基亚大学）

BNLP是一个开放的孟加拉语源语言处理工具包，包括标记化，词嵌入，POS标记，NER标记设施。BNLP提供高精度的预训练模型，用于孟加拉语的基于模型的标记，嵌入，POS标注，NER标注任务。BNLP预训练模型在孟加拉语文本标记、词嵌入、词性标注和NER标注任务中取得了显著的效果。BNLP在孟加拉研究社区中广泛使用，下载量为16K，119颗星和31个分叉。BNLP可在https://github.com/sagorbrur/bnlp上获得。

2021-12-01cs.CL

更多相关论文收起更多论文

LegalRelectra：面向远程法律文本理解的混合域语言建模

LegalRelectra: Mixed-domain Language Modeling for Long-range Legal Text Comprehension

Claudius Legal Intelligence（克劳狄乌斯法律智能公司）；Rutgers University（罗格斯大学）；University of Pennsylvania（宾夕法尼亚大学）；Princeton University（普林斯顿大学）；University of California, San Diego（加州大学圣迭戈分校）；Harvard University（哈佛大学）

自然语言处理（NLP）在法律等专业领域的应用最近受到了极大的关注。由于许多法律服务依赖于处理和分析大量文档，因此使用NLP工具自动化这些任务成为一个关键挑战。许多流行的语言模型，如BERT或RoBERTa，都是通用的模型，它们在处理专门的法律术语和语法方面有局限性。此外，法律文件可能包含来自其他领域的专业词汇，例如人身伤害文本中的医疗术语。在这里，我们提出了LegalRelectra，一个法律领域的语言模型，在混合领域的法律和医学语料库上训练。我们表明，我们的模型提高了一般域和单域医疗和法律语言模型处理混合域（人身伤害）文本时。我们的训练架构实现了Electra框架，但使用Reformer而不是BERT作为其生成器和编译器。我们表明，这提高了模型在处理长段落上的性能，并导致更好的长距离文本理解。

2022-12-16cs.CLcs.CY

数学文本语料库中多词短语的检测

Detecting multiword phrases in mathematical text corpora

Cologne University of Applied Sciences（科隆应用科学大学）；Institute of Information Science（信息科学研究所）

本文提出了一种在数学文本语料库中检测多词短语的方法。所使用的方法是基于数学术语的特征。它使用一个名为Lingo的软件工具，可以通过以前定义的词典识别特定的词类，如形容词，人名或名词。多字组的检测是通过算法完成的。索引和信息检索的方法可能的优点和应用基于字典的自动索引的方法，而不是词干程序的结论进行了讨论。

2012-10-02cs.CLcs.IR

VnCoreNLP：越南语自然语言处理工具包

VnCoreNLP: A Vietnamese Natural Language Processing Toolkit

Newcastle University（纽卡斯尔大学）；The University of Melbourne（墨尔本大学）；Deakin University（迪肯大学）；Macquarie University（麦考瑞大学）

我们提出了一个易于使用和快速的工具包，即VnCoreNLP-越南语的Java NLP注释管道。我们的VnCoreNLP支持关键的自然语言处理（NLP）任务，包括分词、词性（POS）标注、命名实体识别（NER）和依存句法分析，并为这些任务获得最先进的（SOTA）结果。我们发布VnCoreNLP提供丰富的语言注释，以促进越南语NLP的研究工作。我们的VnCoreNLP是开源的，可在https://github.com/vncorenlp/VnCoreNLP获得

2018-04-01cs.CL

calamanCy：一个他加禄语自然语言处理工具包

calamanCy: A Tagalog Natural Language Processing Toolkit

ExplosionAI GmbH（ExplosionAI 有限公司）

calamanCy是一个基于spaCy的开源他加禄语NLP工具包，提供统一API和多任务模型，支持依存句法分析、词性标注和命名实体识别，以加速该语言NLP发展。

2023-11-13cs.CL

Stanza：一个适用于多种人类语言的Python自然语言处理工具包

Stanza: A Python Natural Language Processing Toolkit for Many Human Languages

Stanford University（斯坦福大学）

我们介绍Stanza，一个开源的Python自然语言处理工具包，支持66种人类语言。与现有的广泛使用的工具包相比，Stanza具有用于文本分析的语言无关的完全神经管道，包括标记化，多词标记扩展，词形化，词性和形态特征标记，依存句法分析和命名实体识别。我们已经在总共112个数据集上训练了Stanza，包括Universal Advertisements树库和其他多语言语料库，并表明相同的神经架构可以很好地推广，并在所有测试语言上实现了有竞争力的性能。此外，Stanza还包括一个广泛使用的Java Stanford CoreNLP软件的原生Python接口，该接口进一步扩展了其功能，以涵盖其他任务，如共指消解和关系抽取。可在https://stanfordnlp.github.io/stanza上获得66种语言的源代码、文档和预训练模型。

2020-04-23cs.CL

NLPGym --评估自然语言处理任务上的RL代理的工具包

NLPGym -- A toolkit for evaluating RL agents on Natural Language Processing Tasks

Fraunhofer IAIS（弗劳恩霍夫智能分析与信息系统研究所）

强化学习（RL）最近在复杂的游戏AI和机器人任务中表现出令人印象深刻的性能。在很大程度上，这要归功于OpenAI Gym、Atari Learning Environment或Malmo等模拟环境的可用性，这些环境允许智能体通过与虚拟环境的交互来学习复杂的任务。虽然RL也越来越多地应用于自然语言处理（NLP），但没有模拟的文本环境可供研究人员在NLP任务上应用和一致地基准RL。通过这里报告的工作，我们因此发布了NLPGym，这是一个开源Python工具包，为标准NLP任务提供交互式文本环境，如序列标记，多标签分类和问答。我们还提出了6个任务的实验结果，使用不同的强化学习算法，作为进一步研究的基线。该工具包发布于https://github.com/rajcscw/nlp-gym

2020-11-16cs.AIcs.CL

SinaTools：用于阿拉伯语自然语言处理的开源工具包

SinaTools: Open Source Toolkit for Arabic Natural Language Processing

Birzeit University（比尔宰特大学）

本文介绍开源Python工具包SinaTools，用于阿拉伯语自然语言处理，支持NER、WSD等多项任务，并在基准测试中优于同类工具。

2024-11-03cs.AIcs.CL

灰姑娘的鞋子不适合Soundarya：对印度面孔的面部处理工具的审计

Cinderella's shoe won't fit Soundarya: An audit of facial processing tools on Indian faces

Indian Institute of Technology, Delhi（印度理工学院德里分校）

在印度，越来越多的人采用面部处理系统，这充满了对隐私、透明度、问责制和缺乏程序保障的担忧。与此同时，我们也对这些技术如何在印度13.4亿多人口的不同特征，特征和肤色上表现知之甚少。在本文中，我们测试的人脸检测和面部分析功能的四个商业面部处理工具的印度面孔的数据集。这些工具在人脸检测和性别及年龄分类功能中显示不同的出错率。印度女性面孔的性别分类出错率始终高于男性--最高的女性出错率为14.68%。在某些情况下，这一出错率远远高于以前对其他国籍女性的研究所显示的情况。年龄分类错误也很高。尽管考虑到一个人的实际年龄的正负10年的可接受的误差范围，年龄预测失败的范围是14.3%至42.2%。这些发现表明，面部处理工具的准确性有限，特别是对于某些人口统计群体，并且在采用此类系统之前需要进行更多的批判性思考。

2021-12-17cs.CVcs.CY