NER一直是NLP领域中的研究热点。近年来，深度学习方法在特征抽取深度和模型精度上表现优异，已经超过了传统方法，但无论是传统机器学习还是深度学习方法都依赖大量标注数据来训练模型。然而，在很多场景下，收集大量的有标签的数据是非常昂贵、困难、甚至不可能。因此在特定领域、小语种等缺乏标注资源的情况下，NER 任务往往得不到有效解决。为了解决然少量标注数据的命名实体识别。人们开始研究用迁移学习和半监督学习的方法来进行命名实体识别。本次学术报告主要介绍用迁移学习和半监督方法进行小样本命名实体识别。
小样本命名实体识别-林朝坤原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2021/05/30/%e5%b0%8f%e6%a0%b7%e6%9c%ac%e5%91%bd%e5%90%8d%e5%ae%9e%e4%bd%93%e8%af%86%e5%88%ab/
本次学术报告介绍了深度域适应方法的基本概念，以三种无监督域适应基本算法为例，简要梳理了域适应方法的发展脉络。通过分析半监督域适应方法论文，详细讲解了半监督域适应方法的基本原理。最后…
围绕图像对抗样本攻防这一核心主题，介绍以 Block Shuffle & Rotation（BSR） 为代表的迁移攻击增强策略，以及以 Delta Data Augment…
本次报告分享的主题是基于智能体的自动化漏洞重现方法，报告通过梳理漏洞重现领域的基本发展历程和基本概念，然后讲解两种不同类型的智能体系统构建方法，分别针对通用应用程序漏洞PoV生成和…
对抗样本的存在表明现代神经网络是相当脆弱的。为解决这一问题，研究者相继提出了许多方法，其中使用对抗样本进行训练被认为是至今最有效的方法之一。 然而，经过对抗训练后神经网络对于正常样…
元胞自动机(cellular automata，CA) 是一种时间、空间、状态都离散，空间相互作用和时间因果…
本次报告介绍了用户画像建模的相关基本概念，以及用于短文本处理的用户画像构建LDA-RCC组合模型。基本概念包过用户画像的作用、构建过程、分类等。LDA-RCC组合模型解决了传统文本…
网络表示是衔接网络原始数据和网络应用任务的桥梁。网络表示学习算法负责从网络数据中学习得到网络中每个节点的向量…
1.问题描述 上一次说了最小编辑距离，这次在这上面加一点料，a1、a2和a3每次操作的代价不同了，加入了每个操作的代价，这下问题变为，针对字符串a和字符串b定义三种操作，a1、a2…
日志生成的系统溯源图能够记录实体的依赖关系，通过溯源图的后向跟踪和前向跟踪，可实现攻击的溯源。但是随着溯源深度的增加，上下游实体之间的依赖关系呈现指数级爆炸，无法有效溯源。本次学术…
本次报告主要讲解了主题排序算法，通过对pagerank算法以及topic sensitive pagerank算法的原理介绍，引出了…
