#deRSE25 @de_rse

Time for coffee, time for posters!!!

Our poster on #reproducibility of #word_embeddings for document similarity using #docker is next to the lift.
https://docs.google.com/presentation/d/e/2PACX-1vQ4AQO4A_OVeyPJ0fD0tVMN_H08NYoIjr6i_RL0HPNx56TjNH-PdCXpJvVVBovYod_14yzP8awfuxyT/pub?start=true&loop=true&delayms=60000

Come and have a chat with us 🙂

@ZBMED @NFDI @rohitha_ravinder

[Перевод] Распознавание именованных сущностей: механизм, методики, сценарии использования и реализация

Естественные языки сложны. А когда на горизонте появляется контекст, они становятся ещё сложнее. Возьмём для примера фамилию Линкольн . Некоторые сразу подумают о шестнадцатом президенте США, выдающейся исторической фигуре. Однако для других это производитель автомобилей с тем же названием. Одно простое слово имеет разные значения. Мы, люди, без проблем различаем значения и категории. Это свидетельствует о нашем интуитивном понимании окружающего мира. Но когда дело касается компьютеров, эта, казалось бы, простая задача превращается в неоднозначную проблему. Подобные трудности подчёркивают необходимость надёжного распознавания именованных сущностей (named entity recognition, NER) — механизма, при помощи которого мы учим машины понимать различные лингвистические нюансы. В этой статье мы расскажем о том, что такое NER, о его принципах работы и о том, как оно используется в реальной жизни. Также в ней мы прольём свет на различные методики NER и способы реализации модели NER.

https://habr.com/ru/articles/776774/

#Токенизация #feature_extraction #машинное_обучение #NLP #NER #POS_tagging #word_embeddings #рекомендации_контента #GPT4 #OpenAI #BRAT #sentiment_analysis