文献

J-GLOBAL ID：201602268009500711   整理番号：16A1209706

生物医学的名前付きエンティティ認識のためのクラスタリングに基づくアクティブ学習【Powered by NICT】

Clustering based active learning for biomedical Named Entity Recognition

著者 (3件)： Han Xu (School of Computer Engineering, Nanyang Technological University, 50 Nanyang Avenue, Singapore 639798) ,  Kwoh Chee Keong (School of Computer Engineering, Nanyang Technological University, 50 Nanyang Avenue, Singapore 639798) ,  Kim Jung-jae (Institute for Infocomm Research, 1 Fusionopolis Way, Singapore 138632)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IJCNN  ページ： 1253-1260  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 生物医学的名前の認識と抽出は生物医学情報抽出を行うために重要である。しかし,大規模なアノテーション付きコーパスの調製は,名前付きエンティティ認識(NER)システムの訓練を妨げる。アクティブ学習は,教師付き学習作業に必要な人手アノテーション作業を低減することである。本研究では,生物医学NERタスクのための新しいクラスタリングに基づく能動学習法を提案した。は提案した方法を用いて基礎となるNERシステムは最新の能動学習法の他の状態,密度,Gibbs誤差とエントロピーに基づくアプローチを含むランダム選択を凌ぐことを示した。は,提案した方法の変化を比較し,能動学習法の最適設計,名前付きエンティティのベクトル表現を利用し,「代表的」と「情報」である文書を選択し,共有最近傍(SNN)クラスタリングアプローチを使用することであることを見いだした。特に,提案した方法の最適変異体はランダム選択上の36.3%の欠乏利得を達成した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *アノテーション ,  最適設計 ,  コーパス ,  ベクトル ,  教師つき学習 ,  利得 ,  情報抽出 ,  エントロピー
準シソーラス用語： *能動学習 ,  *エンティティ ,  *生物医学 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 生物医学 ,  名前 ,  エンティティ ,  クラスタリング ,  アクティブ学習