annotator

cs224u 自然语言推理:任务和数据集-3 nli_01_task_and_data.ipynb __author__ = "Christopher Potts" __version__ = "CS224u, Stanford, Fall 2020" 目录 NLIExample 类 Labels 树表示 注释MultiNLI子集 其他NLI数据集 NLIExample 类 所有读取器都有一个读取方法，该方法会产生NLIExample示例实例，这些实例具有以下属性 annotator_labels: list of str captionID: str gold_label: str pairID: str sentence1: str sentence1_binary_parse: nltk.tree.Tree sentence1_parse: nltk.tree.Tre 来源： oschina 链接： https://my.oschina.net/u/4406332/blog/4467703

## 开源的标注工具 自然语言处理标记工具汇总 https://blog.csdn.net/wangyizhen_nju/article/details/94559607 spacy原来有两个标注工具，displaCy-ent和displaCy，一个ner一个依赖关系. Annotator for Chinese Text Corpus (UNDER DEVELOPMENT) 中文文本标注工具 自然语言处理的大部分任务是监督学习问题。序列标注问题如中文分词、命名实体识别，分类问题如关系识别、情感分析、意图分析等，均需要标注数据进行模型训练。深度学习大行其道的今天，基于深度学习的 NLP 模型更是数据饥渴。 最前沿的 NLP 技术往往首先针对英文语料。英文 NLP 的生态很好，针对不同有意思的问题都有不少大规模语料公开供大家研究，如斯坦福的 SQuAD 阅读理解语料。中文方面开源语料就少得多，各种英文 NLP 上的犀利模型和前沿技术都因为中文语料的匮乏很难迁移过来。 另一方面，对于一些垂直领域，如医疗、金融、法律、公安等等，专有名词和特有需求甚多，很难将比较 general 的比如在 wikipedia dump 上面训练的模型直接拿过来用。 传统人工标注数据的过程往往是繁琐和低效率的。刚标了一个“联想”是公司名，又来一个“联想集团”，再标一次又来一个“联想集团有限公司”

Paper：He参数初始化之《Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification》的翻译与解读 目录 Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification 4. Experiments on ImageNet Comparisons between ReLU and PReLU Comparisons of Single-model Results Comparisons of Multi-model Results Analysis of Results Comparisons with Human Performance from [22] 相关文章 Paper：Xavier参数初始化之《Understanding the difficulty of training deep feedforward neural networks》的翻译与解读 Paper：He参数初始化之《Delving Deep into Rectifiers: Surpassing Human-Level Performance on