抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】