文献

J-GLOBAL ID：201802225258343865   整理番号：18A1508405

中国のソーシャルメディアにおけるクロスドメインおよび半教師付き固有のエンティティ認識:統一モデル【JST・京大機械翻訳】

Cross-Domain and Semisupervised Named Entity Recognition in Chinese Social Media: A Unified Model

著者 (5件)： Xu Jingjing (MOE Key Laboratory of Computational Linguistics, Peking University, Beijing, China) ,  He Hangfeng (Department of Computer and Information Science, University of Pennsylvania, Philadelphia, USA) ,  Sun Xu (MOE Key Laboratory of Computational Linguistics, Peking University, Beijing, China) ,  Ren Xuancheng (MOE Key Laboratory of Computational Linguistics, Peking University, Beijing, China) ,  Li Sujian (MOE Key Laboratory of Computational Linguistics, Peking University, Beijing, China)
資料名： IEEE/ACM Transactions on Audio, Speech, and Language Processing  (IEEE/ACM Transactions on Audio, Speech, and Language Processing)
巻： 26  号： 11  ページ： 2142-2152  発行年： 2018年 
JST資料番号： W0508B  ISSN： 2329-9290  CODEN： ITASFA  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： 中国の社会メディアにおける実体認識(NER)と呼ばれることは,中国のソーシャルメディア言語が非公式で雑音が多いので,重要ではあるが挑戦的なタスクである。NERに関するほとんどの以前の方法は,ドメイン内教師つき学習に焦点を合わせており,それはソーシャルメディアにおける不十分な注釈データによって制限されている。本論文では,形式的領域における十分なコーパスと大量の注釈付けされていないテキストが,ソーシャルメディアにおけるNER性能を改善するために結合できることを示した。著者らは,ドメイン外コーパスとドメイン内の注釈のないテキストから学習することができる統一モデルを提案した。統一モデルは2つの部分から成る。一つは交差領域学習であり,もう一つは半教師つき学習である。クロスドメイン学習はドメイン類似性に基づくドメイン外情報を学習できる。半教師つき学習は,自己訓練によりドメイン内非注釈情報を学習することができる。実験結果は,著者らの統一モデルが,強いベースラインに対して9.57%の改善をもたらし,最先端の性能を達成することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アノテーション ,  *統一模型 ,  教師つき学習 ,  学習 ,  雑音 ,  言語 ,  基準線 ,  コーパス ,  類似性
準シソーラス用語： 半教師つき学習 ,  テキスト ,  *エンティティ ,  *ソーシャルメディア , 【Automatic Indexing@JST】

分類 (2件)： 自然語処理  (JE06000L) ,  音声処理  (JE05000E)

タイトルに関連する用語 (7件)： 中国 ,  ソーシャルメディア ,  ドメイン ,  教師 ,  固有 ,  エンティティ ,  統一モデル