Статья: ГЛУБОКОЕ ОБУЧЕНИЕ МОДЕЛИ ДЛЯ РАСПОЗНАВАНИЯ ИМЕНОВАННЫХ СУЩНОСТЕЙ В УСЛОВИЯХ КРИТИЧЕСКОГО ДИСБАЛАНСА КЛАССОВ (2023)

Khurana D., Koli A., Khatter K., Singh S. Natural language processing: state of the art, current trends and challenges // Multimedia Tools and Applications. 2023. Vol. 82. P. 3713-3744. EDN: OMUYAR

Li W. The Advance of Deep Learning Based Named Entity Recognition // Highlights in Science, Engineering and Technology. 2022. Vol. 12. P. 68-73. EDN: MKGKVQ

Li J., Wei Q., Ghiasvand O. [et al.]. A comparative study of pre-trained language models for named entity recognition in clinical trial eligibility criteria from multiple corpora // BMC Medical Informatics and Decision Making. 2022. Vol. 22, no. 3. P. 235-1-235-9.

Gudivada V. N. Handbook of Statistics. Amsterdam: Elsevier, 2018. Vol. 38. 403 p.

Колмогорцев С. В., Сараев П. В. Извлечение библиографии из текстов регулярными выражениями // Новые информационные технологии в автоматизированных системах. 2017. № 20. С. 82-88. EDN: YNADXL

Маслова М. А., Орлова Ю. А., Дмитриев А. С. Способы распознавания именованных сущностей в сфере торговли // Инновационные технологии в обучении и производстве: материалы XIV Всерос. заоч. науч.-практ. конф. (Камышин, 15 нояб. 2019 г.) / Волгоград. гос. техн. ун-т (Камышинский филиал). Камышин: Изд-во ВолгГТУ, 2019. Т. 2. С. 116-118. EDN: JWRMHY

Аверина М. Д., Дунаева О. А. Задача извлечения именованных сущностей в русском языке // Заметки по информатике и математике: сб. науч. ст. Ярославль: Ярослав. гос. ун-т им. П. Г. Демидова, 2020. Вып. 12. С. 1-8. EDN: YHVWEP

Kadhim A. An Evaluation of Preprocessing Techniques for Text Classification // International Journal of Computer Science and Information Security. 2018. Vol. 16, no. 6. P. 22-32.

Alshammari N., Alanazi S. The impact of using different annotation schemes on named entity recognition // Egyptian Informatics Journal. 2021. Vol. 22, no. 3. P. 295-302. EDN: ECTLOP

Sang E., Buchholz S.Introduction to the CoNLL-2000 Shared Task: Chunking // CONLL/LLL 2000: Proceedings of the fourth conference on computational natural language learning and of the second learning language in logic workshop (Lisbon, Portugal, September 13-14 2000. IEEE, 2000. P. 127-132. 	  

Gross S. S., Russakovsky O., Do C. B., Batzoglou S. Training Conditional Random Fields for Maximum Labelwise Accuracy // Advances in Neural Information Processing Systems 19: Proceedings of the Conference (Vancouver, British Columbia, Canada, December 4-7 2006). IEEE, 2006. P. 529-536. 	  

Lample G., Ballesteros M., Subramanian S. Neural Architectures for Named Entity Recognition // Proceedings of the Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies (San Diego, California, USA, June 1 2016). IEEE, 2016. P. 260-270. 	  

Gunawan W., Suhartono D., Purnomo F., Ongko А. Named-Entity Recognition for Indonesian Language using Bidirectional LSTM-CNNs // Procedia Computer Science. 2018. Vol. 135, no 2. P. 425-432. 	  

Маслова М. А., Дмитриев А. С., Холкин Д. О. Методы распознавания именованных сущностей в русском языке // Инженерный вестник Дона. 2021. № 7. С. 1-13.  EDN: HGLBOT 	 

Yan S., Chai J., Wu L. Bidirectional GRU with Multi-Head Attention for Chinese NER // Proceedings of the 5th Information Technology and Mechatronics Engineering Conference (Chongqing, China, June 12-14 2020). P. 1160-1164. 	  

Lin T., Goyal P., Girshick R. [et al.]. Focal Loss for Dense Object Detection // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2020. Vol. 42, no. 2. P. 318-327.