QaNER:少数ショット名前付きエンティティ認識のための質問応答モデルの迅速化【JST・京大機械翻訳】

Liu Andy T.; Xiao Wei; Zhu Henghui; Zhang Dejiao; Li Shang-Wen; Arnold Andrew

プレプリント

J-GLOBAL ID：202202218045142043 整理番号：22P0298193

QaNER:少数ショット名前付きエンティティ認識のための質問応答モデルの迅速化【JST・京大機械翻訳】

QaNER: Prompting Question Answering Models for Few-shot 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 (6件)： , , , , ,
資料名：
発行年： 2022年03月03日プレプリントサーバーでの情報更新日： 2022年03月04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)

最近,事前訓練された言語モデルのための迅速なベース学習は,ラベル効率を増加させるためのタスクガイダンスとして迅速な利用により,数ショットのNamed Enntity Recoction(NER)に成功している。しかし,少数ショットNERのための以前の迅速ベースの方法は,より高い計算複雑性,貧弱なゼロショット能力,手動迅速工学を必要とするか,または迅速なロバスト性の欠如のような限界を持っている。本研究では,QaNERと呼ばれる質問応答(QA)による新しい迅速ベース学習NER手法を提案した。提案アプローチは,1)NER問題をQA定式化に変換するための洗練された戦略;2)QAモデルのためのNER迅速な発生;3)少数の注釈付きNER例に関するQAモデルによる迅速なベースチューニング;4)QAモデルの促進によるゼロショットNER。提案方法を以前の方法と比較して,QaNERは推論でより速く,迅速な品質に鈍感で,ハイパーパラメータに対してロバストであり,さらに優れた低資源性能とゼロショット能力を示す。【JST・京大機械翻訳】

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

人工知能

, , , ,

前のページに戻る