文献

J-GLOBAL ID：202102241166550406   整理番号：21A1194214

ハイブリッド法に基づくUyghur-Namedエンティティと関係の半自動コーパス拡大と抽出【JST・京大機械翻訳】

Semi-Automatic Corpus Expansion and Extraction of Uyghur-Named Entities and Relations Based on a Hybrid Method

著者 (6件)： Halike Ayiguli (School of Information Science and Engineering, Xinjiang University, Urumqi 830046, Xinjiang, China) ,  Halike Ayiguli (Multilingual Information Technology Laboratory of Xinjiang University, Urumqi 830046, Xinjiang, China) ,  Abiderexiti Kahaerjiang (School of Information Science and Engineering, Xinjiang University, Urumqi 830046, Xinjiang, China) ,  Abiderexiti Kahaerjiang (Multilingual Information Technology Laboratory of Xinjiang University, Urumqi 830046, Xinjiang, China) ,  Yibulayin Tuergen (School of Information Science and Engineering, Xinjiang University, Urumqi 830046, Xinjiang, China) ,  Yibulayin Tuergen (Multilingual Information Technology Laboratory of Xinjiang University, Urumqi 830046, Xinjiang, China)
資料名： Information (Web)  (Information (Web))
巻： 11  号： 1  ページ： 31  発行年： 2020年 
JST資料番号： U7203A  ISSN： 2078-2489  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 関係抽出は,構造化知識抽出,知識グラフ構築,および自動質問応答システム構築のような自然言語処理における多くのアプリケーションを有する重要なタスクである。しかし,比較的少ない過去の研究は,Uyghur-命名エンティティ関係のコーパスと抽出の構築に焦点を合わせており,その結果,関係抽出研究の非常に限られたアベイラビリティと注釈付き関係データの欠陥をもたらした。本論文では,Uyghurコーパスのサイズを急速に増加させるために,人間の注釈者によって適用されるルールの集合と抽出関係に基づく注釈に関する提案を行うために,条件付きランダム場モデルを組み合わせるハイブリッドUyghur-名前エンティティ関係抽出法を提案した。この関係抽出法を既存の注釈ツールに統合し,人間の補正の助けを借りて,Uyghur関係抽出を実装し,既存のコーパスを拡張した。提案手法の有効性を既存のUyghurコーパスを用いた実験結果に基づいて実証し,本手法は61.34%の精度と再現の間の最大加重平均を達成した。提案方法は,Uyghurにおけるエンティティと関係抽出タスクに関する最新の結果を達成した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  自然言語処理 ,  アベイラビリティ ,  応用プログラム ,  質問応答システム ,  有効性 ,  *コーパス ,  アノテーション
準シソーラス用語： 確率場 ,  *ハイブリッド法 ,  加重平均 ,  知識抽出 ,  *エンティティ ,  関係抽出 , 【Automatic Indexing@JST】

著者キーワード (5件)： 関係抽出 ,  名前のある実体 ,  ハイブリッドニューラルネットワーク ,  条件付き確率場 ,  ウイグル

分類 (2件)： 人工知能  (JE08000Z) ,  自然語処理  (JE06000L)

引用文献 (38件)：

• Nogueira, C.; Santos, D.; Xiang, B.; Zhou, B. Classifying relations by ranking with convolutional neural networks. In Proceedings of the 53rd Annual Meeting of the Association for Computational Linguistics and the 7th International Joint Conference on Natural Language Processing, Beijing, China, 26-31 July 2015; pp. 626-634.
• Han, X.; Liu, Z.; Sun, M. Neural knowledge acquisition via mutual attention between knowledge graph and text. In Proceedings of the Thirty-Second AAAI Conference on Artificial Intelligence, New Orleans, LA, USA, 2-7 February 2018.
• Zeng, X.; Zeng, D.; He, S. Extracting Relational Facts by an End-to-End Neural Model with Copy Mechanism. In Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), Melbourne, Australia, 15-20 July 2018; pp. 506-514.
• Luan, Y.; He, L.; Ostendorf, M.; Hajishirzi, H. Multi-task identification of entities, relations, and coreference for scientific knowledge graph construction. In Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing, Brussels, Belgium, 31 October-4 November 2018; pp. 3219-3232.
• Fader, A.; Zettlemoyer, L.; Etzioni, O. Open question answering over curated and extracted knowledge bases. In Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data mining, San Diego, CA, USA, 24-27 August 2014; pp. 1156-1165.

タイトルに関連する用語 (4件)： ハイブリッド法 ,  エンティティ ,  コーパス ,  拡大