文献

J-GLOBAL ID：202002223909330740   整理番号：20A2083927

低リソース名前付きエンティティ認識のためのロバストな領域適応アプローチ【JST・京大機械翻訳】

A Robust and Domain-Adaptive Approach for Low-Resource Named Entity Recognition

著者 (5件)： Yu Houjin (Beijing Institute of Technology,School of Computer Science,Beijing,China) ,  Mao Xian-Ling (Beijing Institute of Technology,School of Computer Science,Beijing,China) ,  Chi Zewen (Beijing Institute of Technology,School of Computer Science,Beijing,China) ,  Wei Wei (Huazhong University of Science and Technology,School of Computer Science,Hu’bei,China) ,  Huang Heyan (Beijing Institute of Technology,School of Computer Science,Beijing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICKG  ページ： 297-304  発行年： 2020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： 最近,限られた注釈付きデータを用いて,信頼できる名前のエンティティ認識(NER)システムの構築に多くの注目が集まっている。殆ど全ての既存の研究は,外部辞書や知識ベースのようなドメイン固有資源に大きく依存している。しかし,そのようなドメイン特異的資源は,しばしば利用できないが,一方,資源を構築するのは困難で高価であり,それは,より広い採用への主要な障害になった。問題に取り組むために,本研究では,安価で容易に得られる資源のみを使用する,低資源NER用の新しいロバストでドメイン適応のRDANERを提案した。3つのベンチマークデータセットに関する大規模な実験は,著者らのアプローチが,安価で容易に得られる資源だけを使用するとき,最良の性能を達成して,難易に取得可能なドメイン特異的資源を使用する最先端の方法に対して競合結果を提供することを実証した。すべてのコードとコーパスは,https://github.com/houking-can/RDANERに関して見つけることができた。Copyright 2020 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 ,  ベンチマーク ,  *ロバスト性 ,  コーパス ,  アノテーション
準シソーラス用語： 低価格 ,  *エンティティ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： リソース ,  名前 ,  エンティティ ,  ロバスト ,  適応