- 综合排序
- 最热优先
- 最新优先
- 来自专栏通用文字识别信息技术白皮书
【技术白皮书】第二章：OCR智能文字识别回顾——自然语言文本发展历程
最后一届MUC会议——MUC-7于1998年4月举行。训练时的目标场景是飞机失事事件，测试时的目标场景是航天器（火箭/导弹）发射事件。 除MUC-6已有的四项评测任务外，MUC-7又增加了一项新任务——模板关系任务，它意在确定实体之间与特定领域无关的关系。共有18家单位参加了MUC-7评测。 值得注意的是，在MUC-6和MUC-7中开发者只允许用四周的时间进行系统的移植，而在先前的评测中常常允许有6-9个月的移植时间。1998年在MUC-7会议上第１次正式提出实体关系抽取任务。
85120编辑于 2022-08-16 - 来自专栏产品经理的人工智能学习库
命名实体识别 – Named-entity recognition | NER
包含人名、地名、机构名、专有名词 boson 相关工具推荐 工具 简介 访问地址 Stanford NER 斯坦福大学开发的基于条件随机场的命名实体识别系统，该系统参数是基于CoNLL、MUC-6、MUC
3.2K00发布于 2019-12-18 - 来自专栏自然语言处理
实体识别(1) -实体识别任务简介
Few-NERD/tree/main/data … 命名实体识别模型 命名实体识别工具 Stanford NER：斯坦福大学开发的基于条件随机场的命名实体识别系统，该系统参数是基于CoNLL、MUC-6、MUC
1.3K20编辑于 2023-08-25 - 来自专栏人工智能头条
一文读懂命名实体识别
Stanford NER 斯坦福大学开发的基于条件随机场的命名实体识别系统，该系统参数是基于 CoNLL、MUC-6、MUC-7 和 ACE 命名实体语料训练出来的。
2.3K10发布于 2019-04-30 - 来自专栏深度学习自然语言处理
初学者|一文读懂命名实体识别
下载地址：https://bosonnlp.com/dev/resource 工具推荐 Stanford NER 斯坦福大学开发的基于条件随机场的命名实体识别系统，该系统参数是基于CoNLL、MUC-6、MUC
1.9K10发布于 2019-11-19 - 来自专栏AI小白入门
初学者|一文读懂命名实体识别
下载地址：https://bosonnlp.com/dev/resource 工具推荐 Stanford NER 斯坦福大学开发的基于条件随机场的命名实体识别系统，该系统参数是基于CoNLL、MUC-6、MUC
1.7K50发布于 2019-05-29 - 来自专栏机器学习初学者精选文章
【NLP】一文了解命名实体识别
当时的MUC-6和后来的MUC-7并未对什么是命名实体进行深入的讨论和定义，只是说明了需要标注的实体是“实体的唯一标识符（unique identifiers of entities）”，规定了NER评测需要识别的三大类 大多数命名实体识别研究都集中在有限的实体类型上，MUC－7只考虑了 3 类:人名、地名和组织机构名，CoNLL－03增加了其他类，ACE引入了地缘 政治、武器、车辆和设施 4 类 实 体，Ontonotes
2.2K20发布于 2020-09-14 - 来自专栏自然语言处理
信息抽取领域关键Benchmark方法：分类体系
核方法适合结构预测但计算复杂度高 MLN支持一阶逻辑但需要谓词定义 2.3 方法分析 里程碑工作： Collins Parser（2003）：基于判别式解析的命名实体识别 创新：结构化感知器算法 在MUC
56810编辑于 2025-07-12 - 来自专栏专知
【干货】最全知识图谱综述#1: 概念以及构建技术
Muc-7 information extraction task definition[C]//Proc of the 7th Message Understanding Conf.
9.5K84发布于 2018-04-08
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号