| 基于大模型的事件抽取技術(shù)及軍事應(yīng)用思考 | |
| 所屬分類：技術(shù)論文 | |
| 上傳者：wwei | |
| 文檔大小：995 K | |
| 標(biāo)簽： 事件抽取 機(jī)器學(xué)習(xí) 深度學(xué)習(xí) | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：事件抽取旨在從非結(jié)構(gòu)化文本中抽取出結(jié)構(gòu)化事件信息，以便清晰、方便、直觀地掌握并利用相關(guān)的關(guān)鍵信息。傳統(tǒng)機(jī)器學(xué)習(xí)方法依賴于特征工程，利用人工構(gòu)建的特征來(lái)進(jìn)行事件抽取。而基于深度學(xué)習(xí)的方法利用CNN、RNN、GNN等深層神經(jīng)網(wǎng)絡(luò)通過(guò)提取重要特征來(lái)展開(kāi)，但其依賴于大量的標(biāo)注數(shù)據(jù)。近年來(lái)，研究者開(kāi)始利用基于Transformer架構(gòu)的大規(guī)模語(yǔ)言模型如BERT、GPT等采用預(yù)訓(xùn)練+微調(diào)范式來(lái)進(jìn)行事件抽取并取得顯著成效。而最近推出的大模型ChatGPT采用預(yù)訓(xùn)練+提示學(xué)習(xí)范式在自然語(yǔ)言處理領(lǐng)域取得顯著成效，可以實(shí)現(xiàn)高效準(zhǔn)確地抽取出關(guān)鍵的事件信息，將其應(yīng)用到軍事領(lǐng)域會(huì)產(chǎn)生重大影響。 | |
| 現(xiàn)在下載 | |
| VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。 | |
wwei 的最新分享
- 商業(yè)數(shù)據(jù)反不正當(dāng)競(jìng)爭(zhēng)保護(hù)的實(shí)踐困境與規(guī)則優(yōu)化
- 世界主要國(guó)家個(gè)人數(shù)據(jù)開(kāi)發(fā)利用模式對(duì)比研究
- 網(wǎng)絡(luò)輿情中個(gè)人信息傳播的成因、風(fēng)險(xiǎn)透視及治理
- 正當(dāng)程序框架下的算法行政：挑戰(zhàn)紓解與規(guī)制重構(gòu)
- HF和波動(dòng)參數(shù)輔助的優(yōu)化XGBoost室內(nèi)定位方法
- 可解釋的深度網(wǎng)絡(luò)抗噪音干擾性逐層評(píng)估方法
- 大規(guī)模異構(gòu)數(shù)據(jù)遷移的自適應(yīng)清洗與智能轉(zhuǎn)換框架
- 基于區(qū)塊鏈的文物數(shù)字資源版權(quán)保護(hù)框架設(shè)計(jì)
Copyright ? 2005-2024 華北計(jì)算機(jī)系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號(hào)-2