PK PyTorchKR Papers
Papers with Code · CC BY-SA 4.0

Term Extraction

8 평가 기록 8 datasets

Term Extraction, or Automated Term Extraction (ATE), is about extraction domain-specific terms from natural language text. For example, the sentence “We meta-analyzed mortality using random-effect models” contains the domain-specific single-word terms "meta-analyzed", "mortality" and the multi-word term "random-effect models".

개요는 각 항목의 일부입니다. 위 탭에서 전체 기록을 페이지별로 탐색할 수 있습니다.

벤치마크

Papers with Code 아카이브의 데이터셋별 기록 예시입니다. 평가 조건과 지표 방향이 검증되지 않아 순위를 의미하지 않습니다.

Dataset기록된 모델 예시MetricPaperCode
Baseline
F1-Score: 0.82
논문 -
full nested
Scoreboard F1: 0.7940
논문 코드
lemm. inc. + early dmg
Scoreboard F1: 0.7281
논문 코드
full nested
Scoreboard Weighted F1: 0.6997Scoreboard Class-agnostic F1: 0.78
논문 코드
lemm. inc. + early dmg
Scoreboard Weighted F1: 0.631Scoreboard Class-agnostic F1: 0.7337
논문 코드
full nested
Scoreboard Weighted F1: 0.4823Scoreboard Class-agnostic F1: 0.60
논문 코드
lemm. inc. + early dmg
Scoreboard Weighted F1: 0.4547Scoreboard Class-agnostic F1: 0.5875
논문 코드
Seq2Seq4ATE
F1-Score: 0.8031
논문 -

데이터셋

8개
AWARERuTermEval (Track 1)RuTermEval (Track 1)RuTermEval (Track 2)RuTermEval (Track 2)RuTermEval (Track 3)RuTermEval (Track 3)SemEval 2014 Task 4 Laptop

논문

라이브러리

Papers with Code 리더보드 row에 연결된 구현 저장소입니다.

github.com/fulstock/Methods-for-Recognizing-Nested-Terms 1 논문

하위 태스크

NT Nested Term Extraction 3 데이터셋 · 3 rows NT Nested Term Recognition 3 데이터셋 · 3 rows