名前付きエンティティ認識のための並列インスタンスクエリネットワーク【JST・京大機械翻訳】

Shen Yongliang; Wang Xiaobin; Tan Zeqi; Xu Guangwei; Xie Pengjun; Huang Fei; Lu Weiming; Zhuang Yueting

プレプリント

J-GLOBAL ID：202202210739234203 整理番号：22P0307195

名前付きエンティティ認識のための並列インスタンスクエリネットワーク【JST・京大機械翻訳】

Parallel Instance Query Network for Named Entity Recognition

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 (8件)： , , , , , , ,
資料名：
発行年： 2022年03月20日プレプリントサーバーでの情報更新日： 2022年03月20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)

Namedエンティティ認識(NER)は自然言語処理における基本的タスクである。最近の研究は,エンティティ認識を読解理解タスクとして命名し,エンティティを抽出するためのタイプ特異的クエリを手動で構築する。このパラダイムは3つの課題に悩まされている。第1に,タイプ特異的クエリは推論当たり1種類のエンティティを抽出するだけであり,それは非効率的であった。第2に,異なるタイプのエンティティの抽出を分離し,それらの間の依存性を無視した。第3に,質問構築は外部知識に依存し,数百のエンティティタイプを有する現実的シナリオに適用するのは難しい。それらを処理するために,筆者らは,並列方式で文章からエンティティを抽出するために,グローバルで学習可能なインスタンスクエリをセットアップする並列インスタンスクエリネットワーク(PIQN)を提案した。各インスタンスクエリは1つのエンティティを予測し,すべてのインスタンスクエリを同時に供給することによって,並列にすべてのエンティティを問い合わせることができる。外部知識から構築される代わりに,インスタンスクエリは訓練中の異なるクエリ意味論を学習できる。このモデルを訓練するために,1対1線形割当問題(LAP)としてラベル割当を処理し,最小割当コストでインスタンスクエリに金エンティティを動的に割り当てた。入れ子と平坦なNERデータセットに関する実験は,著者らの提案方法が以前の最先端モデルより優れていることを実証した。【JST・京大機械翻訳】

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

検索技術 , その他の情報処理 , パターン認識 , 自然語処理

前のページに戻る