文献

J-GLOBAL ID：202102277841227655   整理番号：21A0738880

LAC-DGLU:CNNと注意機構に基づく固有表現認識モデル【JST・京大機械翻訳】

LAC-DGLU:Named Entity Recognition Model Based on CNN and Attention Mechanism

著者 (3件)： Zhao Feng (国防科技大学智能科学学院 長沙410073) ,  Huang Jian (国防科技大学智能科学学院 長沙410073) ,  Zhang Zhongjie (国防科技大学智能科学学院 長沙410073)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 47  号： 11  ページ： 212-219  発行年： 2020年 
JST資料番号： C2530A  ISSN： 1002-137X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： テキストの単語と単語の埋め込みは,通常,中国語固有表現認識の第一歩であるが,中国語の語と語の間の明確な境界がない,専門語と生涯語などの未収録語(OutofVocabulary,OOV)は,単語ベクトルの計算を妨害する。単語ベクトルの埋め込みに基づくモデルの性能は,単語分割の影響を受ける。既存のモデルの多くは循環ニューラルネットワークを用いており,計算速度は遅く,工業応用の要求を満たすことができない。上述の問題に対して、注意力メカニズムと畳込みニューラルネットワークに基づく命名実体識別モデル、即ちLAC-DGLUを構築した。分詞依存の問題に対して、局所注意力畳込み(LocalAttentionConvolution,LAC)に基づく文字埋め込みアルゴリズムを提案し、モデルの分詞効果への依存を軽減した。計算速度が遅いという問題に対して、一つのゲート構造を持つ畳込みニューラルネットワーク、即ち膨張ゲート制御線形ユニット(DilatedGatedLinearUnit,DGLU)を用いて、モデルの計算速度を高めた。複数のデータセットに関する実験結果は,このモデルが既存の最適モデルF1値より0.2%2%高く,訓練速度が既存の最適モデルの1.41.9倍に達することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  畳込み ,  ベクトル ,  ニューラルネットワーク ,  中国語 ,  計算機処理速度 ,  線形性 ,  *単語 ,  認知モデル ,  専門用語
準シソーラス用語： *固有表現 ,  分かち書き ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： CNN ,  注意 ,  固有表現 ,  認識モデル