文献

J-GLOBAL ID：202002224868973973   整理番号：20A2322876

BERT-BiLSTM-CRFモデルに基づく司法分野における名前付きエンティティ認識【JST・京大機械翻訳】

Named Entity Recognition in Judicial Field Based on BERT-BiLSTM-CRF Model

著者 (5件)： Gu Lu (Beijing Institute of Aerospace Information, Beijing, China) ,  Zhang Wenjing (Communication University of China, Beijing, China) ,  Wang Yao (Beijing Institute of Aerospace Information, Beijing, China) ,  Li Bo (Communication University of China, Beijing, China) ,  Mao Song (Beijing Institute of Aerospace Information, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IWECAI  ページ： 170-174  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： 語彙文書における命名エンティティの認識は,自動試行を実現するための鍵であり,テキストからエンティティを効果的に識別する方法は,本論文の焦点である。しかし,特別な分野では,多くの実験は,ドメイン知識に基づく人工特徴選択がニューラルネットワークモデルの結果に大きな影響を与えることを示した。したがって,人工特徴に頼らず,ジュジカルフィールドにおけるより良い名前のエンティティ認識性能を得る方法は,解決すべき問題である。本論文では,BERT-BiLSTM-CRFに基づくニューラルネットワークモデルを提案した。最初に,著者らは,単語のコンテキストに従って単語ベクトルを生成するために,BERT事前訓練言語モデルを使用し,単語の意味表現を強化して,次に,単語ベクトルシーケンスを訓練のためにBiLSTM-CRFに入力した。実験は,著者らの方法が,同時に有効であり,従来の単語ベクトル表現が単語を単一ベクトルに写像し,単語の曖昧さを特徴付けできないという問題を解決した。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： ベクトル ,  語彙 ,  特徴選択 ,  曖昧さ ,  *単語 ,  ドメイン知識 ,  言語モデル
準シソーラス用語： 神経回路網モデル ,  意味表現 ,  *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 (6件)： BERT ,  CRF ,  モデル ,  司法 ,  名前 ,  エンティティ