文献

J-GLOBAL ID：202002223698992838   整理番号：20A1997412

鉄道事故と故障解析報告における名前付きエンティティ認識のためのBiLSTM-CRFモデル【JST・京大機械翻訳】

BiLSTM-CRF Model for Named Entity Recognition in Railway Accident and Fault Analysis Report

著者 (5件)： Li Xinqin (Postgraduate Department, China Academy of Railway Sciences, Beijing, China) ,  Shi Tianyun (Institute of Computing Technologies, China Academy of Railway Sciences, Beijing, China) ,  Li Ping (Research and Application Innovation Center for Big Data Technology in Railway, China Academy of Railway Sciences, Beijing, China) ,  Yang Lianbao (Postgraduate Department, China Academy of Railway Sciences, Beijing, China) ,  Ma Xiaoning (Research and Application Innovation Center for Big Data Technology in Railway, China Academy of Railway Sciences, Beijing, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： APCIM & ICTTE 2018  ページ： 1-5  発行年： 2018年 
JST資料番号： D0698C  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： 本論文では,テキスト鉄道事故と故障解析レポートにおける名前の名前を認識するためのニューラルアーキテクチャを提示し,このニューラルアーキテクチャは,単語表現と条件付ランダムフィールド(CRF)を二方向長短温度メモリ(BiLSTM)ニューラルネットワークに組み込む。Googleの最新のオープンソースTensorFlowソフトウェアプラットフォームを用いて,このBiLSTM-CRF深層学習モデルを構築した。2016年から2017年までの鉄道事故と故障テキストデータの実験解析に基づいて,結果は,モデルがエンティティ精度と再現率という認識において顕著な改良を持って,次に,著者らは自動抽出エンティティに著者らの工学応用システムへの訓練モデルを適用したことを示した。この実践は,このモデルが理論と実践において良い適応性を有することを証明して,一方,この実験は鉄道分野におけるより多くのテキスト解析のための基礎を築いた。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  *故障 ,  *鉄道事故 ,  ニューラルネットワーク ,  適応性 ,  *故障解析 ,  単語 ,  ソフトウェアプラットフォーム
準シソーラス用語： 自動抽出 ,  Google ,  再現率 ,  オープンソース ,  *エンティティ ,  深層学習 ,  テキストデータ , 【Automatic Indexing@JST】

著者キーワード (3件)： BiLSTM-CRFモデル ,  名前付きエンティティ認識 ,  鉄道事故と故障解析報告

分類 (1件)： 自然語処理  (JE06000L)

タイトルに関連する用語 (7件)： 鉄道事故 ,  故障解析 ,  報告 ,  名前 ,  エンティティ ,  CRF ,  モデル