一种基于序列标注的概念短语抽取方法     

李雪思  张智雄  刘欢 《图书情报工作》2022,66(11):121-128

［目的/意义］ 科技文献中的概念是对文献中知识高度凝练的表达,通常以定义句的形式出现在科技文献中。自动从概念定义句中抽取概念,能够进一步挖掘科技文献中蕴含的重要知识。［方法/过程］ 通过分析概念定义句的结构、句式等模式特征,提出以WCL数据集为基础的语料构建方案,并采用BERT+BiLSTM+CRF模型学习概念定义句的模式,从而实现概念短语抽取。［结果/结论］ 结合以往对概念定义句模式特征的研究,创新性地提出一种基于序列标注学习概念定义句的组成模式,从而实现概念短语抽取。通过BERT+BiLSTM+CRF模型,有效学习了概念定义句中的上下文语义、句式结构、组成项分布等模式特征,实现了句子中概念短语的抽取。  相似文献   

格氏试剂在有机合成中的应用   总被引：1，自引：0，他引：1  

金仲雅  陈永宏 《郧阳师范高等专科学校学报》2001,21(3):68-70

格氏试剂是有机金属化合物中重要的一类化合物,也是有机合成上的非常重要的试剂之一,应用广泛.格氏试剂与不同的物质反应,可以合成烃类、醇类、酮类、醛类、羧类及金属有机化合物等.  相似文献   

三氮烯类显色剂在光度分析中的应用新进展     

王贵方  吕蓓红 《安阳师范学院学报》2006,(5):79-83

综述了近六年来三氮烯类显色剂在光度分析领域的应用新进展,并探讨了该类试剂与金属离子显色体系的特点,参阅文献46篇。  相似文献   

句子音高级别定位和音高层标注——《英语语调模式及声学实现》中“音高水平”引发的思考     

黄丽娜 《韩山师范学院学报》2011,(5):78-84

《英语语调模式及声学实现》一文中“pitch level”被翻译成“音高水平”,这种表达法在学习者语调分析中容易产生歧义;另外,体现“音高水平”具体内涵的“高域”、“中域”和“低域”等概念界限模糊,且在学习者口语音高标注及分析中可操作性不高。笔者首先针对这些问题进行分析;然后从句子音高级别定位人手,以实例说明音高层标注...  相似文献   

拉瓦尔大学医学研究中心运营及管理模式   总被引：1，自引：1，他引：0  

王莹  王京宇 《实验技术与管理》2011,28(11)

介绍加拿大拉瓦尔大学医学研究中心的运营和管理模式,从仪器设备管理和受控试剂管理2个方面分享该中心在管理上的先进经验;探讨提高大型仪器设备使用效率和建立合理废物回收制度的改革内容;提出信息导航、资源共享,加强合作、互惠双赢的理念;强调废物回收管理的重要性,将环境保护和可持续发展作为高校试剂管理的重点.  相似文献   

实验室化学试剂管理信息系统的开发及应用     

张春宇  李悦  杨松涛 《实验室研究与探索》2011,30(11)

针对现代实验室化学试剂管理动态化、实时化的需求,运用信息化手段,利用计算机技术,编制实验室化学试剂管理信息系统,从而解决了实验室化学试剂科学管控的难题.此系统选用VisualStudio.Net作为开发工具,采用C/S结构和模块化设计方法,且各功能模块依据试剂管理的整个流程进行设计,包含了试剂管理的全过程,面向对象,操作简便,功能完善.实践证明:通过开发应用实验室化学试剂管理信息系统,可以实现试剂的全过程动态管理,提高工作效率,确保安全管控,节约试剂,并实时掌握需求变化,为领导决策和供应部门保障提供依据.  相似文献   

高校化学试剂的管理探讨   总被引：2，自引：0，他引：2  

张志强 《实验室研究与探索》2011,30(11)

实验室是高等院校从事人才培养和科学研究的重要基地,高校实验室数量大、分布广、学科众多、专业性强,对化学试剂的需求品种繁多.因此,建立、健全从化学试剂购买、运输、储存、使用和处置的全程信息化管理体系,对高校教学、科研工作的安全、有效、环保的进行,具有十分重要的作用.  相似文献   

一类优美图     

张红霞 《南阳师范学院学报》2011,10(9):20-23

对P2r,2m的优美性进行探讨.采用函数构造法证明了r=13时P2r,2m是优美的.  相似文献   

实验中心化学药品综合信息资料管理探讨     

刘广  陆海南  曾建强  王红强 《大众科技》2014,(6):300-301

针对目前在教学、科研实践中,缺少有效提供化学药品基本信息资料平台的问题,文章以每个化学药品为基本点,搜集并整理相关综合信息资料,建立基本信息单元,各个单元组建成综合信息数据库,建立数据查询、下载共享的网络系统,并实时对信息资料进行更新、维护,建成共享信息资料平台,实现化学药品综合信息化管理。  相似文献   

AdaSL: An Unsupervised Domain Adaptation framework for Arabic multi-dialectal Sequence Labeling     

《Information processing & management》2022,59(4):102964

Dialectal Arabic (DA) refers to varieties of everyday spoken languages in the Arab world. These dialects differ according to the country and region of the speaker, and their textual content is constantly growing with the rise of social media networks and web blogs. Although research on Natural Language Processing (NLP) on standard Arabic, namely Modern Standard Arabic (MSA), has witnessed remarkable progress, research efforts on DA are rather limited. This is due to numerous challenges, such as the scarcity of labeled data as well as the nature and structure of DA. While some recent works have reached decent results on several DA sentence classification tasks, other complex tasks, such as sequence labeling, still suffer from weak performances when it comes to DA varieties with either a limited amount of labeled data or unlabeled data only. Besides, it has been shown that zero-shot transfer learning from models trained on MSA does not perform well on DA. In this paper, we introduce AdaSL, a new unsupervised domain adaptation framework for Arabic multi-dialectal sequence labeling, leveraging unlabeled DA data, labeled MSA data, and existing multilingual and Arabic Pre-trained Language Models (PLMs). The proposed framework relies on four key components: (1) domain adaptive fine-tuning of multilingual/MSA language models on unlabeled DA data, (2) sub-word embedding pooling, (3) iterative self-training on unlabeled DA data, and (4) iterative DA and MSA distribution alignment. We evaluate our framework on multi-dialectal Named Entity Recognition (NER) and Part-of-Speech (POS) tagging tasks.The overall results show that the zero-shot transfer learning, using our proposed framework, boosts the performance of the multilingual PLMs by 40.87% in macro-F1 score for the NER task, while it boosts the accuracy by 6.95% for the POS tagging task. For the Arabic PLMs, our proposed framework increases performance by 16.18% macro-F1 for the NER task and 2.22% accuracy for the POS tagging task, and thus, achieving new state-of-the-art zero-shot transfer learning performance for Arabic multi-dialectal sequence labeling.  相似文献