文献

J-GLOBAL ID：201902288532073952   整理番号：19A1786556

シーケンスラベリングのための2段階ディープニューラルネットワーク【JST・京大機械翻訳】

A Two-Stage Deep Neural Network for Sequence Labeling

著者 (5件)： Tan Yongmei (School of Computer Science, Beijing University of Posts and Telecommunications, Beijing, China) ,  Yang Lin (Beijing Sankuai Online Technology Co., Ltd., Beijing, China) ,  Niu Shaozhang (School of Computer Science, Beijing University of Posts and Telecommunications, Beijing, China) ,  Zhu Hao (School of Computer Science, Beijing University of Posts and Telecommunications, Beijing, China) ,  Zhang Yongheng (School of Computer Science, Beijing University of Posts and Telecommunications, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11633  ページ： 133-144  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 最先端のシーケンスラベリングシステムは,手書き特徴とデータ前処理の形式において大量のタスク固有知識を必要とし,それらのシステムをニュースコーパス上で確立する。第二言語(ESL)コーパスとしての英語は,英語学習者によって書かれた論文から収集される。コーパスは文法的誤りの完全であり,次に,シーケンスラベリングを行うことは非常に困難である。著者らは,シーケンスラベリングのための2段階の深いニューラルネットワークアーキテクチャを提案する。それは,より高い層が,より低いレベルの粗粒ラベリング情報を利用することを可能にする。著者らは,音声(POS)タグ付けのための3つのシーケンスラベリングタスク-Penne Treebank WSJコーパスのための3つのデータセットに関する著者らのモデルを評価する。すなわち,文法誤差補正(GEC)のためのエンティティ認識(NER)とCoNLL 2013コーパスのためのCoNLL 2003コーパスである。著者らは,POSタグ付けのための3つのdatasets-97.60%の精度,NERの91.38%のF1,およびGECの決定誤差補正のための38%のF1,およびGECの位置誤差補正のための28.89%のF1に関する最先端の性能を得た。また,POSタグ付けのためのESLコーパスPiGaiに関する著者らのシステムを評価し,96.73%の精度を得た。我々のネットワークの実装は公開されている。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 誤り訂正 ,  文法 ,  *ネットワーク ,  英語 ,  コーパス
準シソーラス用語： 位置誤差 ,  エンティティ ,  タグ付 ,  ニューラルネットワークアーキテクチャ ,  英語学習 ,  第二言語 ,  データ前処理 ,  手書き ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (10件)： POS ,  NER ,  ConLL ,  GEC ,  LSTM ,  BLSTM ,  GRU ,  RNN ,  RCNN ,  CNN

分類 (2件)： 人工知能  (JE08000Z) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (4件)： シーケンス ,  ラベリング ,  段階 ,  ディープニューラルネットワーク