トップダウンマッチングによる地理的候補選択への深層学習アプローチ【JST・京大機械翻訳】

Ardanuy Mariona Coll; Hosseini Kasra; McDonough Katherine; Krause Amrey; van Strien Daniel; Nanni Federico

プレプリント

J-GLOBAL ID：202202204766293149 整理番号：22P0191715

トップダウンマッチングによる地理的候補選択への深層学習アプローチ【JST・京大機械翻訳】

A Deep Learning Approach to Geographical Candidate Selection through Toponym Matching

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 (6件)： , , , , ,
資料名：
発行年： 2020年09月17日プレプリントサーバーでの情報更新日： 2020年09月22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)

テキストデータへの高度な意味的アクセスを提供するためには,トップ匿名を認識し,それらを実世界の参照に解決する必要がある。この過程は,しばしばトポニームにおける高度な変動によって妨げられる。候補選択は,以前に認識されたトポニムによって参照される可能性のある実体を同定するタスクである。伝統的に研究コミュニティではほとんど注目されていないが,候補選択は下流タスク(即ち,エンティティ分解能),特に雑音のあるあるいは非標準テキストにおいて大きな影響を与えることが示されている。本論文では,最先端のニューラルネットワークアーキテクチャを用いて,トップダウンマッチングによる候補選択のための柔軟な深層学習法を導入した。著者らは,いくつかの新しい現実的データセットに基づいて,固有のトップダウンマッチング評価を行い,様々な挑戦的なシナリオ(交差言語および地域変動,ならびにOCR誤差)をカバーした。既存のデータセットと19世紀の英語OCR’dテキストの新しい手動注釈付資源の両方について,トップ匿名分解能の下流タスクの文脈における候補選択に関するその性能を報告した。【JST・京大機械翻訳】

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

人工知能

, , ,

前のページに戻る