1）《learning named entity tagger using domain-specific dictionary》
提出autoner模型，主要創新點在於**關聯關係與類別，由於邊界判錯往往不會影響內部之間的關係，能夠減小遠端監督雜訊；其次修改傳統的字典匹配方式，將部分高質量短語設定為unknown，並結合資料裁減字典。
比較有啟發性的是**關聯關係與類別結合。
2）《bond: bert-assisted open-domain named entity recognition with distant supervision》
創新點主要有二：其一利用現有語料進行bert再訓練時，引入early stopping避免過擬合；其二提出自適應的方式（文中稱為學生教師模型，較為不妥），利用兩個同樣的再訓練bert模型，其中乙個a產生的語料提公升第二個模型b的表現，之後將b的引數同步到ab兩個模型，重複此過程。
此模型主要可以借鑑的點在於自適應的訓練模式，可以用選擇乙個複雜模型乙個簡單模型，用簡單模型擬合複雜模型的提公升效果。
3） 《simplify the usage of lexicon in chinese ner》
提出lexiconaugmentedner，主要創新點在於進一步更新編碼方式，使編碼包含位置資訊與種類，對每個字元使用bmes（以該字元起始，以該字元為中間，以該字元結尾，以該字元單獨成詞）進行編碼；其次使用weighted pooling方式。
模型構造簡單，可遷移性強。編碼方式具有較大借鑑意義。
4）《flat- chinese ner using flat-lattice transformer》
創新點：將格仔結構轉換為平面結構，使用相對位置編碼，使用transformer處理更長依賴，大資料集時相容bert提公升表現。transformer+編碼改變
復現效果都達不到文章的標準，放出的**依賴庫都不穩定，不適合工業界使用，可能有未知trick，可能小樣本更適合，個人覺得工業界應用效果想象力有限。
最後，還是bert香。
重新搞了一下，在字向量訓練較好的情況下有比較明顯的提公升，尤其是對訓練語料**現過的詞彙識別效果較好，相比bert有明顯提高，缺點v1版本太慢，v0比較適合，速度快識別也有提高
AR 虛實融合文獻閱讀整理（二）
一 增強現實中虛實融合和人機互動技術的研究與應用 黃震宇 基於標誌物的識別，利用opencv和三維圖形引擎ogre實現虛實融合展示系統 人機互動方案採用primesense的深度攝像頭，通過計算機視覺處理，重建了人體三維谷歌系統定義體感語義，制定動作 指令對映表。結合體感開發平台openni，實現肢...
如何閱讀文獻
文獻分類 文章全名 作者 刊物縮寫 出版年給文章命名，用多級目錄分類對文章進行分類，文獻累計到一定程式就分類採用硬拷貝的方式進行集中整理。當一篇文章涉及多個主題的時候，多級目錄分類就不太靈光了，我目前的做法是部分兩邊都放 部分只放最重要的主題。將我的博士 分成6個小方向。然後將資料分成6個部分。每個...
文獻閱讀（1）
針對的問題 利用商用wifi裝置進行aoa估計 面臨的挑戰 天線數量的限制 相位測量中引入的未知的相位偏移 解決方案 利用人體對手機進行自然旋轉，計算不同角度測量的相位差分，以消除相位偏移，提出d music演算法計算差分生成的等效入射訊號角度。再利用慣性感測器 陀螺儀 測得的旋轉角度計算初始和最終...