摘要
Alan R.Aronson、James G.Mork、Clifford W.Gay、Susanne M.Humphrey和Willie J.Rogers。 2004年,NLM索引倡议的医学文本索引器。 第11届世界医学信息学大会会议记录。 Marius Fieschi、Enrico W.Coiera和Jack Yu-Chan Li(编辑),第107卷。 IOS出版社,268--272。 内政部: https://doi.org/10.3233/978-1-60750-949-3-268 谷歌学者 Dzmitry Bahdanau、Kyunghyun Cho和Yoshua Bengio。 2014年,通过联合学习对齐和翻译实现神经机器翻译。 Arxiv预印Arxiv:1409.0473(2014)。 谷歌学者 约舒亚·本吉奥(Yoshua Bengio)、霍尔格·施温克(Holger Schwenk)、吉安·塞巴斯蒂安·塞内卡尔(Jean-Sébastien Senécal)、弗雷德里克·莫林(Fréderic Morin)和吉安·卢克·高文。 2006年,神经概率语言模型。 在机器学习的创新中。 施普林格,137-186。 谷歌学者 Kyunghyun Cho、Bart van Merrienboer、Dzmitry Bahdanau和Yoshua Bengio。 2014.关于神经机器翻译的特性:编码器-解码器方法。 第八届统计翻译中的句法、语义和结构研讨会论文集。 103--111. 检索自 http://aclweb.org/antology/W/W14/W14-4012.pdf。 谷歌学者 交叉引用 钟俊英(Junyoung Chung)、卡格拉·古尔切里(Caglar Gulcehre)、赵京贤(KyungHyun Cho)和约书亚·本吉奥(Yoshua Bengio)。 2014.门控递归神经网络对序列建模的实证评估。 Arxiv预印Arxiv:1412.3555(2014)。 谷歌学者 数字图书馆 傅燕杰、刘俊明、李小林和熊慧。 2018.用于应用程序内服务使用分析的多标签多视图学习框架。 ACM智能系统与技术汇刊9,4(2018年1月),24。 内政部: https://doi.org/10.1145/3151937 谷歌学者 数字图书馆 Vishrawas Gopalakrishnan、Kishlay Jha、Guangxu Xun、Hung Q.Ngo和Aidong Zhang。 2017.生物医学文本领域基于自学的假设生成。 生物信息学34,12(2017),2103--2115。 谷歌学者 交叉引用 何开明、张湘玉、任少清、孙建军。 2016.图像识别的深度残差学习。 IEEE计算机视觉和模式识别会议论文集。 770--778. 谷歌学者 交叉引用 高黄、李一轩、杰夫·普莱斯、刘庄、约翰·霍普克罗夫特和基利安·温伯格。 2017年。快照合奏:第1列,免费获得M。 Arxiv预印Arxiv:1704.00109(2017)。 谷歌学者 Kishlay Jha、光绪勋、Vishrawas Gopalakrishnan和Aidong Zhang。 2017.通过生物医学应用的外部知识库增加单词嵌入。 2017年IEEE国际大数据会议论文集。 IEEE,1965-1974年。 谷歌学者 交叉引用 Qiao Jin、Bhuwan Dhingra、William Cohen和Xinghua Lu.2018。 注意MeSH:简单、有效、可解释的自动MeSH索引器。 第六届BioASQ研讨会论文集:大规模生物医学语义索引和问答挑战。47-56。 谷歌学者 交叉引用 Aris Kosmopoulos、Ioannis Partalas、Eric Gaussier、Georgios Paliouras和Ion Androutsopoulos。 2015年,等级分类评估措施:统一观点和新颖方法。 数据挖掘和知识发现29,3(2015),820--865。 谷歌学者 数字图书馆 Quoc V.Le和Tomas Mikolov。 2014.句子和文件的分布式表示。 第31届国际机器学习会议论文集。 第14卷。 1188--1196. 谷歌学者 Yann LeCun、Yoshua Bengio和Geoffrey Hinton。 2015年,深度学习。 《自然》5217553(2015),436。 谷歌学者 李昕、李东冰、魏林和贝施。 2018.目标导向情绪分类的转型网络。 Arxiv预印Arxiv:1805.01086(2018)。 谷歌学者 Jimmy J.Lin和W.John Wilbur。 2007.PubMed相关文章:基于主题的内容相似性概率模型。 BMC生物信息学8(2007),483。 内政部: https://doi.org/10.1186/1471-2105-8-423 谷歌学者 交叉引用 周汉林、冯敏伟、西塞罗·诺盖拉·多斯桑托斯、莫玉、炳湘、周伯文和约舒亚·本吉奥。 2017.结构化自我关注句子嵌入。 Arxiv预印Arxiv:1703.03130(2017)。 谷歌学者 刘珂、彭胜文、吴俊秋、翟成祥、马美泽和朱山峰。 2015.MeSHLabeler:通过整合各种证据提高大规模MeSH索引的准确性。 生物信息学31,12(2015),339--347。 内政部: https://doi.org/10.1093/bioinformatics/btv237 谷歌学者 交叉引用 托马斯·米科洛夫(Tomas Mikolov)、伊利亚·萨茨克沃(Ilya Sutskever)、陈凯(Kai Chen)、格雷格·科拉多(Greg S.Corrado)和杰夫·迪恩(Jeff Dean)。 2013.单词和短语的分布式表示及其组成。 神经信息处理系统进展论文集。 3111--3119. 谷歌学者 数字图书馆 James G.Mork、Antonio Jimeno-Yepes和Alan R.Aronson。 2013.NLM医学文本索引器系统,用于索引生物医学文献。 在评估论坛(CLEF'13)会议和实验室的会后研讨会《第一届生物医学语义索引和问答研讨会论文集》中。 阿克塞尔·西里尔·恩贡加·恩戈莫和乔治·帕柳拉斯(编辑),第1094卷。 CEUR-WS.org.检索自 http://ceur-ws.org/Vol-1094/ibiosq2013_submission_3.pdf。 谷歌学者 彭胜文、尤荣辉、王洪宁、翟成祥、马美泽和朱山峰。 2016。DeepMeSH:用于改进大规模MeSH索引的深度语义表示。 生物信息学32,12(2016),70-79。 内政部: https://doi.org/10.1093/bioinformatics/btw294 谷歌学者 交叉引用 Lei Tang、Suju Rajan和Vijay K.Narayanan。 2009年。通过metalabeler进行大规模多标签分类。 第18届万维网国际会议论文集。 美国医学会,211-220。 谷歌学者 乔治·萨萨罗尼斯(George Tsatsaronis)、乔治奥斯·巴利卡斯(Georgios Balikas)、马拉卡西奥提斯(Prodromos Malakasiotis)、伊奥尼斯·帕塔拉斯(Ioannis Partalas)、马蒂亚斯·兹孔克(Matthias Zschunke)、迈克尔·R·阿尔维斯(Michael R.Alvers)、德克·魏森博恩(Dirk Weissenborn)、安娜斯塔西娅·克里塔拉(Anastasia Krithara)、塞尔吉奥斯·佩蒂迪斯(Sergios Petridis)、迪米特里斯·多时, 莉莉亚娜·巴里奥·阿尔弗斯(Liliana Barrio-Alvers)、迈克尔·施罗德(Michael Schroeder)、伊恩·安德洛索普洛斯(Ion Androutsopoulos)和乔治奥斯·帕利乌拉斯(Georgios Paliouras)。 2015年,BIOASQ大型生物医学语义索引和问答比赛综述。 BMC生物信息学16(2015),138。 内政部: https://doi.org/10.1186/s12859-015-0564-6 谷歌学者 交叉引用 阿什什·瓦斯瓦尼(Ashish Vaswani)、诺姆·沙泽尔(Noam Shazeer)、尼基·帕尔玛(Niki Parmar)、雅各布·乌斯科雷特(Jakob Uszkoreit)、利昂·琼斯(Llion Jones)、艾丹·戈麦斯(Aidan N.Gomez)、尤卡斯·凯泽(ukasz Kais。 2017年。你所需要的就是关注。 神经信息处理系统进展论文集。 5998--6008. 谷歌学者 光绪勋(Guangxu Xun)、基什莱·贾(Kishlay Jha)、维什拉瓦斯·戈帕拉克里什南(Vishrawas Gopalakrishnan)、李亚良(Yaliang Li)和张爱东(Aidong Zhang)。 2017.基于进化医学概念生成医学假设。 2017年IEEE数据挖掘国际会议(ICDM’17)论文集。 IEEE,535--544。 谷歌学者 交叉引用 光绪勋、基什莱·贾、叶远、王亚庆和张爱东。 2019.MeSHProbeNet:用于MeSH索引的自关注探测网。 生物信息学35,19(2019年3月),3794-3802。 内政部: https://doi.org/10.1093/bitinformatics/btz142 谷歌学者 荀光旭、李亚良、高静、张爱东。 2017.通过协调全球和本地上下文,合作改进主题发现和单词嵌入。 第23届ACM SIGKDD知识发现和数据挖掘国际会议论文集。 美国医学会,535--543。 谷歌学者 数字图书馆 荀光旭、李亚良、赵欣、高静、张爱东。 2017.使用单词嵌入的相关主题模型。 第26届国际人工智能联合会议论文集。 谷歌学者 交叉引用 叶远、荀光旭、所秋玲、贾可斌、张爱东。 2017.Wave2vec:学习生物信号的深度表示。 2017年IEEE数据挖掘国际会议(ICDM’17)论文集。 IEEE,1159--1164。 谷歌学者 交叉引用 郑乐成、于成和何景瑞。 2019.多任务多视角学习的深度多模态模型。 2019年SIAM国际数据挖掘会议记录。 暹罗,10-18岁。 谷歌学者 交叉引用 姚周和何景瑞。 2017年。多视角下的随机众包方法。 2017年IEEE数据挖掘国际会议(ICDM’17)论文集。 IEEE,685--694。 谷歌学者 交叉引用 朱珊凤、贾曾和马美泽。 2009.通过合并MeSH语义相似度增强MEDLINE文档聚类。 生物信息学25,15(2009),1944-1951。 谷歌学者 数字图书馆
建议
基于注意的乌尔都语命名实体识别Bi-LSTM-CRF模型 计算智能的进展 摘要 命名实体识别(NER)任务是自然语言处理(NLP)中一个具有挑战性的问题,尤其是对于像乌尔都语这样注释语料库很少的语言。 本文提出了一种Attention-Bi-LSTM-CRF方法,并将其应用于实际。。。 基于BERT的带注意机制和Lambda层的生物医学命名实体识别模型 ICMLC’24:2024年第16届机器学习和计算国际会议记录 生物医学命名实体识别(NER)是自然语言处理(NLP)中信息提取领域的一个关键子任务。 它的主要目标是识别和分类生物医学文本中的实体,在。。。 呼吸道传染病文本命名实体识别的改进注意机制和对抗训练 人工神经网络和机器学习——ICANN 2023 摘要 生物医学文本的命名实体识别是一项有意义的任务。 它从非结构化文本数据中提取医疗实体。 随着深度学习的发展,注意机制与深度学习的结合已成为研究的热点。。。