文献

J-GLOBAL ID：201902262857401054   整理番号：19A2179281

名前付きエンティティ認識のための単語類似性特徴ベース半教師付きアプローチ【JST・京大機械翻訳】

A Word Similarity Feature-based Semi-supervised Approach for Named Entity Recognition

著者 (5件)： Wang Ze (School of Control Science and Engineering, Dalian University of Technology, Dalian, China) ,  Han Zhongyang (School of Control Science and Engineering, Dalian University of Technology, Dalian, China) ,  Zhao Jun (School of Control Science and Engineering, Dalian University of Technology, Dalian, China) ,  Wang Wei (School of Control Science and Engineering, Dalian University of Technology, Dalian, China) ,  Jin Feng (School of Control Science and Engineering, Dalian University of Technology, Dalian, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICSSE  ページ： 136-141  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： 名前認識(NER)は,自然言語処理(NLP)の重要なブランチである。既存のNER法の中で,最も先進的で一般的に展開されているアプローチの一つは,従来のランダムフィールド層(LSTM-CRF)を持つLong Short Terme Memoryである。しかし,この管理された方法は,一般的に多数のラベル化されたコーパスを必要とし,それは本研究の薬物特許におけるテキストに関して非常に制限されている。これを念頭に置いて,単語類似性特徴ベースの半教師つきNERアプローチを本研究で提案した。様々なタイプのエンティティに関する単語類似性の特徴を,最初に,類似性制約を形成するために単語埋込みから抽出した。次に,それらを,監督されたLSTMによって計算された特徴と組み合わせた。最後に,標識結果をCRF層を通して得た。LSTM-CRFモデルへの単語埋め込みの類似性特徴を導入することによって,提案方法は,大量の類似エンティティにおける非タグ化事例を大いに減少させることができた。実験研究により,提案した方法は,従来のベースラインモデルや他の半教師つき手法と比較して,精度と理解性の両方において明らかな利点を発揮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： コーパス ,  基準線 ,  *類似性 ,  自然言語処理 ,  *単語
準シソーラス用語： テキスト ,  確率場 ,  *エンティティ , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  医用情報処理  (JE15030Q)

タイトルに関連する用語 (5件)： 名前 ,  エンティティ ,  単語 ,  類似性 ,  教師