FLERT:名前付きエンティティ認識のための文書レベル特徴【JST・京大機械翻訳】

Schweter Stefan; Akbik Alan

プレプリント

J-GLOBAL ID：202202219491001581 整理番号：21P0061083

FLERT:名前付きエンティティ認識のための文書レベル特徴【JST・京大機械翻訳】

FLERT: Document-Level Features 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 (2件)： ,
資料名：
発行年： 2020年11月13日プレプリントサーバーでの情報更新日： 2021年05月14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)

エンティティ認識(NER)と呼ばれる現在の最先端の手法は,文レベルでテキストを典型的に考慮し,従って,文章境界を交差するモデル情報をモデリングしない。しかし,NERのための変圧器ベースのモデルの使用は,文書レベル特徴を捕えるための自然オプションを提供する。本論文では,文献,すなわち「微調整」および「特徴ベースLSTM-CRF」において一般的に考えられている2つの標準NERアーキテクチャにおける文書レベル特徴の比較評価を行った。文脈ウィンドウサイズや文書局所性などの文書レベル特徴に対する異なるハイパーパラメータを評価した。著者らは,文書コンテキストをモデル化し,いくつかのCoNLL-03ベンチマークデータセットに関する最新の最新スコアを提示するための推薦を導く実験を提示した。本アプローチを,著者らの実験の再現を容易にするために,Flairフレームワークに統合した。【JST・京大機械翻訳】

, ,
, , , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, ,

前のページに戻る