文献

J-GLOBAL ID：201802226853349704   整理番号：18A0196661

ソーシャルメディアからの新規と新たな名前付きエンティティの検出のためのトピックモデル化濃縮されたLSTMモデル【Powered by NICT】

Topic modelling enriched LSTM models for the detection of novel and emerging named entities from social media

著者 (2件)： Jansson Patrick (Arcada University of Applied Sciences, Helsinki, Finland) ,  Liu Shuhua (Arcada University of Applied Sciences, Helsinki, Finland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： Big Data  ページ： 4329-4336  発行年： 2017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： 名前付きエンティティ認識技術は標準的なテキストの良く知られたデータセットに対して優れた性能を達成した。しかし,ツイート,オンラインレビューとフォーラム議論のようなユーザ発生雑音テキストから発生し稀な疾患の検出はまだ挑戦的な課題として残っている。本論文では,ソーシャルメディアからの異常なこれまでにない実体の検出に関する著者らの研究を報告した。WNUT2017共有タスクデータセットに基づいて,単語レベルおよび文字レベル埋め込みに関するLSTM深い学習を用いたLDAトピックモデル化を組み合わせたアプローチを調べた。LDAトピックモデル化はポスト中の各単語のための特徴として使用される各部署のトピック表現を生成する。深層学習成分は二層双方向LSTMとCRF出力層から成っていた。大量の実験を異なるモデリング成分の影響を理解し,システム性能を改善するために行った。著者らの最新の結果は,表面形態に及ぼすエンティティと43.86,表面形態に及ぼすエンティティと40.24 41.86にみられるF1とWNUT2017最良の性能の大幅な改善に45.30でF1値の最良の性能レベルに達した。Copyright 2018 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： *単語 ,  雑音 ,  モデリング
準シソーラス用語： 表面形態 ,  システム性能 ,  二層 ,  深層学習 ,  テキスト ,  *トピックモデル ,  *エンティティ ,  *ソーシャルメディア , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： ソーシャルメディア ,  名前 ,  エンティティ ,  トピックモデル ,  濃縮 ,  LSTM ,  モデル