文献

J-GLOBAL ID：202102294820017330   整理番号：21A0442465

マルチタスク学習による名前付きエンティティ認識のためのジョイントクロス文書情報【JST・京大機械翻訳】

Joint Cross-document Information for Named Entity Recognition with Multi-task Learning

著者 (3件)： Wang Dongsheng (Peking University,School of Software & Microelectronics,Beijing,China) ,  Fan Hongjie (China University of Political Science and Law,The Department of Science and Technology,Beijing,China) ,  Liu Junfei (Peking University,School of Electronics Engineering and Computer Science,Beijing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： BIBM  ページ： 1146-1150  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： Namedエンティティ認識(NER)は情報抽出と知識グラフ構築における必須タスクである。NERのための多くの伝統的方法は,文章レベルであり,それは1つの文章においてすべての情報を利用して,時々エンティティを矛盾なく予測する。最近,研究者は,文書中の文章間の関係がNERタスクに対して有用であることを観察し,従って,文書内のコンテキスト情報を捉える文書レベルアプローチを行う。これらの方法は効果的で広く使用されてきたが,それらは異なる文書における文章間の相関を無視している。クロス文書コンテキスト情報を完全に利用するために,異なる文書における同じ単語の発生間の意味的関連性をモデル化するための注意機構を設計した。さらに,著者らは,粗粒エンティティ情報に焦点を合わせるマルチ分類補助タスクを追加するのに非常に役立つことを見出した。多目的最適化は,各タスクの等分散性不確実性を用いた加重加算と自律手法によって実行される。異なるデータセットにおける広範な実験は,著者らのアプローチが有効であり,著者らのモデルが文章レベルおよび文書レベルNER手法よりも良い結果を達成することを示した。Copyright 2021 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： 不確実性 ,  分散度 ,  加算 ,  *単語 ,  情報抽出
準シソーラス用語： 多目的最適化 ,  *エンティティ ,  コンテキスト情報 , 【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)： マルチタスク学習 ,  名前 ,  エンティティ ,  ジョイント ,  文書