在这个章节，我们会将一些文本常量独立出一个资源文件 这样的话，可以方便这些文本常量被翻译成任意的语言 这种国际化的操作，我们一般命名为i18n 新建一个文件i18n.properties webapp/i18n/i18n.properties (New) showHelloButtonText=Say HellohelloMsg=Hello {0} 接着我们将这些常量，绑定到Co

在这个章节，我们会将一些文本常量独立出一个资源文件 这样的话，可以方便这些文本常量被翻译成任意的语言 这种国际化的操作，我们一般命名为i18n 新建一个文件i18n.properties webapp/i18n/i18n.properties (New) showHelloButtonText=Say HellohelloMsg=Hello {0} 接着我们将这些常量，绑定到Co

摘要 BERT不能处理长文本，因为它的内存和时间消耗呈二次增长。解决这个问题的最自然的方法，如用滑动窗口对文本进行切片，或者简化transformer，使用不充分的长范围attention，或者需要定制的CUDA内核。。BERT的最大长度限制提醒我们人类工作记忆的容量是有限的(5个∼9个区块)，那么人类是如何认知长文本的呢?本文提出的CogLTX 框架基于Baddeley提出的认知理论，通过训练

Abstract 在这篇文章中，介绍了一个基于图的文本处理排序模型-TextRank，并且这个模型是如何成功的运用到自然语言应用中的，而且我们提出了两种无监督的关键词与句子抽取算法，并表明与benchmarks上已有结果相比结果更好。 1.introduction略 2.The TextRank Model 基于图的排序算法本质上是一种基于递归地从整个图中提取的全局信息来决定图中某

英文标题：Exploring Word Segmentation and Medical Concept Recognition for Chinese Medical Texts 中文标题：探索中文医学文本的分词与医学概念识别 GitHub：GitHub - cuhksz-nlp/AESINER 动机         电子病历处理通常包括两个任务：中文分词和医学概念识别；作者认为缺乏高质