シーケンスモデルを用いた文字の例を予測する効率的なアーキテクチャ【JST・京大機械翻訳】

Ramena Gopi; Nagaraju Divija; Moharana Sukumar; Mohanty Debi Prasanna; Purre Naresh

プレプリント

J-GLOBAL ID：202202207766856339 整理番号：21P0023653

シーケンスモデルを用いた文字の例を予測する効率的なアーキテクチャ【JST・京大機械翻訳】

An Efficient Architecture for Predicting the Case of Characters using Sequence Models

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 (5件)： , , , ,
資料名：
発行年： 2020年01月30日プレプリントサーバーでの情報更新日： 2020年01月30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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

クリーンテキストデータの大地は,しばしばいくつかの自然言語処理アプリケーションにおけるボトルネックとして作用する。利用可能なデータは,多くの場合,適切なケース(ケースまたはより低いケース)情報を欠いている。これは,テキストがソーシャルメディア,メッセージングアプリケーションおよび他のオンラインプラットフォームから得られるとき,しばしば生じる。本論文では,通常Truecasingとして知られる文字の正しい事例を復元することにより,この問題を解決することを試みた。Doingは,NLPパイプラインにおけるいくつかの処理タスクの精度を改善する。提案アーキテクチャは,畳込みニューラルネットワーク(CNN),双方向長短期メモリネットワーク(LSTM)および条件付きランダムフィールド(CRF)の組合せを用いて,明示的な特徴工学なしに文字レベルで動作する。本研究では,著者らのアプローチを以前の統計的および深い学習ベースアプローチと比較した。提案手法は,最先端技術におけるF1スコアにおける0.83の増加を示した。真Caはいくつかの応用における前処理段階として作用するので,F1スコアのあらゆる増加は言語処理タスクにおいて著しい改善をもたらす。【JST・京大機械翻訳】

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

パターン認識

, , , ,

前のページに戻る