文献

J-GLOBAL ID：201902221084275047   整理番号：19A0923081

最近の生成テキストにおける名前付きエンティティを認識するための自動注釈付きデータからの転送学習【JST・京大機械翻訳】

Transfer Learning from Automatically Annotated Data for Recognizing Named Entities in Recent Generated Texts

著者 (4件)： Kim Juae (Department of Computer Science and Engineering, Sogang University, Seoul, Korea) ,  Kang Sangwoo (Department of Software, Gachon University, Gyeonggi-do, Korea) ,  Park Youngmin (Robotics Team, Hyundai Motor Compay, Gyeonggi-do, Korea) ,  Seo Jungyun (Department of Computer Science and Engineering, Sogang University, Seoul, Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： BigComp  ページ： 1-5  発行年： 2019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： 近年,機械学習に基づくシステムは,訓練データと試験データの同じ分布のみを印象的な性能にする。それは,新しいデータが既存の訓練データと異なる分布を持つので,システムが新しく生成されたデータによく機能しないことを意味する。特に,実体認識(NER)タスクと呼ばれることは,時間にわたる多数の新たに生成されたエンティティにより,この問題に直面することが多い。しかし,新しく生成されたテキストデータを人手で注釈することは困難である。そこで,大量のラベル付けデータを用いることにより,最近生成されたテキストに対する人手アノテーションのコストを低減する方法を提案した。最初に,知識ベース(KB)を用いてラベル付けされていないデータにおいて名前を自動的に認識する。非構造化データコストのための自動アノテーションは,より少ないが,それは,それらが,標準データではないので,かなりのノイズを持っている。この問題を克服するために,自動的に注釈されたデータから雑音の影響を低減する伝達学習手法を適用した。著者らの移動学習アプローチにおいて,自動的に注釈されたデータをNERモデルを訓練するためのデータとして用いて,次に,このモデルを既存の人手によって注釈されたデータによって完成させた。提案した方法を3つの異なる分布で評価した。実験結果は,著者らのアプローチが最近のテキストにおけるNERの性能を改善することを実証した。Copyright 2019 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： 知識ベース ,  モデル ,  *学習 ,  雑音 ,  機械学習 ,  *アノテーション
準シソーラス用語： 非構造化データ ,  テキストデータ ,  試験データ ,  訓練データ ,  *エンティティ ,  *テキスト , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (5件)： 名前 ,  エンティティ ,  注釈 ,  転送 ,  学習