Webフォーマ:構造情報抽出のためのWebページ変圧器【JST・京大機械翻訳】

Wang Qifan; Fang Yi; Ravula Anirudh; Feng Fuli; Quan Xiaojun; Liu Dongfang

プレプリント

J-GLOBAL ID：202202213340705015 整理番号：22P0282829

Webフォーマ:構造情報抽出のためのWebページ変圧器【JST・京大機械翻訳】

WebFormer: The Web-page Transformer for Structure Information Extraction

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： 2022年01月31日プレプリントサーバーでの情報更新日： 2022年01月31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)

構造情報抽出は,製品標題,記述,ブランドおよび価格を含むショッピングページから製品を提供するようなWebページから構造化テキストフィールドを抽出するタスクに言及する。それは,文書理解とWeb検索で広く研究されている重要な研究題目である。シーケンスモデリングによる最近の自然言語モデルは,Web情報抽出に関する最先端の性能を示した。しかし,非構造化Webページからトークンを効果的にシリアル化するのは,様々なWebレイアウトパターンにより実際に困難である。テキスト分野を抽出するためのWebレイアウトのモデリングに限定的な作業が集中している。本論文では,Web文書からの構造情報抽出のためのWebページトランスフォームモデル,Web Formorを紹介した。最初に,著者らは,グラフ注意を通してそれらの隣接トークンから表現を埋め込むことによって,HTMLにおける各々のDOMノードのためにHTMLトークンを設計した。第2に,HTMLトークンとテキストトークン間の豊富な注意パターンを構築し,効果的な注意重み計算のためにWebレイアウトを利用した。SWDEと共通Crawlベンチマークに関する広範囲の実験を行った。実験結果は,いくつかの最先端の方法に対して,提案した方法の優れた性能を示した。【JST・京大機械翻訳】

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

その他の情報処理 , 検索技術

, , , ,

前のページに戻る