相关阅读
相关 NLP-信息抽取-关系抽取-2017：基于神经网络的实体识别和关系抽取联合学习
[《原始论文：Joint entity and relation extraction based on a hybrid neural network》][Joint ent
小鱼儿相关 NLP-文本处理：序列标注【NLP中最基础的任务：应用于分词、词性标注、命名实体识别、关键词抽取、语义角色标注、槽位抽取】
-------------------- -------------------- -------------------- 参考资料： [序列标注][Link 1]
怼烎@相关 NLP-信息抽取-命名实体识别（NER）：数据集【CoNLL2003、OneNotes、MSRA、Weibo、CLUENER2020】
命名实体识别(NameEntity Recognition)是信息提取的一个子任务，其目的是将文本中的命名实体定位并分类为预定义的类别，如人员、组织、位置等。它是信息抽取、问答
绝地灬酷狼相关 NLP-实体&关系联合抽取-2020：TPLinker【提出了新的标注数据方法】
信息抽取两大难题： 一、暴露偏差 二、实体重叠、关系重叠 联合抽取的结构化预测双头标注才能同时解决上述两个问题，百度的联合抽取的结构化预测但是序列标注，能解决暴露偏
亦凉相关 NLP-实体&关系联合抽取-2021：GPLinker
基础思路 关系抽取乍看之下是三元组 ( s , p , o ) (s,p,o) (s,p,o)（即subject, predicate, object)的抽取，但落到具
ゞ 浴缸里的玫瑰相关 NLP-实体&关系联合抽取-2022：GPLinker
《[原始博客：GPLinker：基于GlobalPointer的实体关系联合抽取 - 科学空间|Scientific Spaces][GPLinker_GlobalPointe
相关 NLP-信息抽取-三元组-联合抽取-TabelFilling-2020：TPLinker【解决SEO/EPO/SOO/曝露偏差/误差传播问题】【缺点：标注复杂度高，实体和关系没有进行很深的交互和关联】
信息抽取两大难题： 一、暴露偏差 二、实体重叠、关系重叠 联合抽取的结构化预测双头标注才能同时解决上述两个问题，百度的联合抽取的结构化预测但是序列标注，能解决暴露偏
Bertha 。相关 复杂语境下的实体关系抽取
复杂语境下的实体关系抽取 [https://mp.weixin.qq.com/s/NAyuYMLDyx9Fut2blpvbRA][https_mp.weixin.qq.co
相关 TPLinker 联合抽取 实体链接方式+源码分析
关系抽取–TPLinker： [https://blog.csdn.net/weixin\_42223207/article/details/116425447][https_
￡神魔★判官ぃ相关 基于神经网络的实体识别和关系抽取联合学习 | PaperWeekly #54
最近，研究者们在基于神经网络方法上进行实体识别和关系抽取联合学习，我阅读了一些相关工作，在此和大家一起分享学习（本文中引用了一些论文作者 Suncong Zheng 的 PPT
还没有评论，来说两句吧...