返回
An entity prototype-based multi-feature fusion network for named entity recognition
DOI:10.1016/j.engappai.2026.115800.png)
摘要
En 中文
• 实体原型网络在独立训练时能够高效聚合跨文档信息。
• 仅使用原型表示网络会导致跨文档特征提取中出现噪声干扰。
• 引入监督聚类算法显著增强了实体原型网络的特征聚合能力。
• 多特征融合网络中的自适应选择矩阵能有效融合不同网络架构的特征。
• 结合实体原型网络和多特征融合网络显著提升了跨文档实体分类性能。
期刊
IF:
8
论文数:
5.7K
被引数:
3.5W
机构
引用论文
The SPECIES and ORGANISMS Resources for Fast and Accurate Identification of Taxonomic Names in Text
PLoS ONE
IF0
Improving Named Entity Recognition with Attentive Ensemble of Syntactic Information利用句法信息的注意集成改进命名实体识别

