文献

J-GLOBAL ID：201302265735737005   整理番号：13A1137813

領域間共通名前付きエンティティ認識の転移結合埋込み

Transfer Joint Embedding for Cross-Domain Named Entity Recognition

著者 (3件)： PAN Sinno Jialin (Inst. Infocomm Res., Singapore) ,  TOH Zhiqiang (Inst. Infocomm Res., Singapore) ,  SU Jian (Inst. Infocomm Res., Singapore)
資料名： ACM Transactions on Information Systems  (ACM Transactions on Information Systems)
巻： 31  号： 2  ページ： 7:1-7:27  発行年： 2013年05月 
JST資料番号： H0971A  ISSN： 1046-8188  資料種別： 逐次刊行物 (A)
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： 非構造化/半構造化/Webページから構造化情報を自動抽出する,情報抽出は情報検索などの重要技術である。情報抽出の基本タスク,名前付きエンティティ認識(NER)に対して転移学習技法が提案されたが,NERが本質的にマルチクラス分類問題であるにも拘らず,殆んどが二項分類用に開発されている。NERに適用される領域間共通マルチクラス分類を目的とする,新しい転移学習フレームワーク-転移結合埋込み(TJE)を提案した。その動機は,ラベルと特性を同一低次元潜在空間に投影して,ラベルの関連性を十分に利用することにある。データ分散における情報源とターゲット領域との距離を低減でき,投影された情報源領域インスタンスが対応するラベルプロトタイプに近づく。この様に,ターゲット領域試験データ上で,単純な最近傍規則を用いた分類を行える。異なる最適化戦略を用いたTJEの2解法,異なる変数の順次最適化/全変数の結合最適化を提案した。ACE2005データセット(自然言語処理のベンチマーク)を用いて実験を行い,TJEの有効性を例証した。

シソーラス用語： *機械学習 ,  *情報抽出 ,  *分類 ,  *データマイニング ,  オブジェクト指向プログラミング ,  Euclid空間 ,  最急降下法 ,  ベンチマーク ,  自然言語処理
準シソーラス用語： Euclid距離 ,  エンティティ ,  クラス分類 ,  二項分類 ,  転移学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 名前 ,  エンティティ ,  埋込み