文献

J-GLOBAL ID：201802276785543936   整理番号：18A0517973

固有表現曖昧性解消のためのcontextalと大域的特徴の結合学習【Powered by NICT】

Joint learning of contextal and global features for named entity disambiguation

著者 (5件)： Ma Bo (Xinjiang Technical Institute of Physics and Chemistry, Chinese Academy of Sciences, Xinjiang Laboratory of Minority Speech and Language Information Processing) ,  Jiang Tonghai (Xinjiang Technical Institute of Physics and Chemistry, Chinese Academy of Sciences, Xinjiang Laboratory of Minority Speech and Language Information Processing) ,  Yang Yating (Xinjiang Technical Institute of Physics and Chemistry, Chinese Academy of Sciences, Xinjiang Laboratory of Minority Speech and Language Information Processing) ,  Zhou Xi (Xinjiang Technical Institute of Physics and Chemistry, Chinese Academy of Sciences, Xinjiang Laboratory of Minority Speech and Language Information Processing) ,  Wang Lei (Xinjiang Technical Institute of Physics and Chemistry, Chinese Academy of Sciences, Xinjiang Laboratory of Minority Speech and Language Information Processing)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IALP  ページ： 5-8  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の曖昧性解消(NED)はWikipediaのような与えられた知識ベース(KB)におけるエンティティに言及し解決する自然言語処理(NLP)における重要な段階である。NEDは,実世界記述の間の固有のあいまい性とそれらが参照実体の為に複雑かつ困難な問題である。ほとんどの既存の研究は,言及,文脈と実体,労働集約型であることを表現するために手作りの特徴を用いた。本論文では,局所,文脈および大域的な証拠を組み合わせた新しいNEDモデルを提示することによって,この問題を検討した。学習混合高密度単語レベルとトピックレベル表現とグラフベース曖昧性を除去するアプローチを活用することにより,文脈および大域的特徴をよく捕捉した。NEDの実験はAIDAデータセット,提案したモデルは,最先端技術レベルの結果を得ることができることを示すを行った。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 ,  集中化 ,  *学習 ,  知識ベース ,  自然言語処理 ,  曖昧さ
準シソーラス用語： 高密度 ,  ウィキペディア ,  エンティティ ,  *曖昧さ解消 ,  *固有表現 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 固有表現 ,  曖昧性解消 ,  学習