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。
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】