MINER:情報理論的展望からの語彙名前付きエンティティ認識の改善【JST・京大機械翻訳】

Wang Xiao; Dou Shihan; Xiong Limao; Zou Yicheng; Zhang Qi; Gui Tao; Qiao Liang; Cheng Zhanzhan; Huang Xuanjing

プレプリント

J-GLOBAL ID：202202203184939137 整理番号：22P0328813

MINER:情報理論的展望からの語彙名前付きエンティティ認識の改善【JST・京大機械翻訳】

MINER: Improving Out-of-Vocabulary Named Entity Recognition from an Information Theoretic Perspective

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (9件)： , , , , , , , ,
資料名：
発行年： 2022年04月09日プレプリントサーバーでの情報更新日： 2022年05月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

NERモデルは標準NERベンチマークに対して有望な性能を達成した。しかしながら,最近の研究は,以前のアプローチが,エンティティに言及する情報に過度に過剰であり,その結果,アウトオブボアリー(OOV)エンティティ認識に関する貧弱な性能をもたらすことを示している。本研究では,新しいNER学習フレームワークであるMINERを提案し,情報理論的展望からこの問題を修復した。提案手法は2つの相互情報ベース訓練目的を含む:i)情報最大化を一般化し,文脈とエンティティ表面形状の深い理解により表現を強化する;ii)超フルイス情報最小化,それは,データにおいて,腐敗する実体名称または偏ったキューを活用する,表現する。種々の設定とデータセットに関する実験は,それがOOVエンティティの予測においてより良い性能を達成することを示した。【JST・京大機械翻訳】

, , , , ,
, , 【Automatic Indexing@JST】

人工知能

, , , ,

前のページに戻る