文献

J-GLOBAL ID：202202237414437438   整理番号：22A0903490

Hindi言語のためのニューラル言語モデルとCRFを用いた名前付きエンティティ認識【JST・京大機械翻訳】

Named entity recognition using neural language model and CRF for Hindi language

著者 (3件)： Sharma Richa (Department of Computer Science and Engineering, Banasthali Vidyapith, India) ,  Morwal Sudha (Department of Computer Science and Engineering, Banasthali Vidyapith, India) ,  Agarwal Basant (Department of Computer Science and Engineering, Indian Institute of Information Technology Kota, India)
資料名： Computer Speech and Language  (Computer Speech and Language)
巻： 74  ページ： Null  発行年： 2022年 
JST資料番号： T0677A  ISSN： 0885-2308  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： Named Entity認識(NER)は様々な自然言語処理(NLP)アプリケーションにおいて重要な役割を果たし,膨大な量の非構造化テキストデータから鍵情報を抽出する。NERは,与えられたテキストに対する事前定義済みカテゴリに命名されたエンティティを同定し,分類するタスクである。最近,言語モデルは,いくつかのNLPタスクにおいて,これらの最先端のモデルが,資源不足においてさえもより良い結果で,非常に明瞭である。本論文では,最近公開された多言語モデルMuRILを組み込むことにより,インド語言語に対する多言語表現に立っている,Hindi言語に関するNERタスクを行う。MuRILは16のインド言語のために特別に訓練される。条件付確率場(CRF)層を持つMuRILを用いてHindi NERシステムを開発し,ICON 2013 Hindi NERデータセット上でモデルを微調整した。さらに,提案した方法では,最後の層の表現と全モデル微調整の代わりにMuRILモデルの最後の4層表現の追加を計算した。このモデルのいくつかのバリアントを12層MuRILアーキテクチャの異なる層によって提供されるトークン表現に異なる計算を適用することにより提示した。提案モデルは,87.89%の精度,83.74%の再現率,および85.77%のF1スコアとして最先端の結果を達成し,ICON2013データセット上で開発した他のすべての既存のHindi NERシステムより優れている。さらに,Hindi NERタスクに対する両言語モデルの効率を解析するために,変換者(mBERT)からの多言語双方向エンコーダ表現と呼ばれる,MuRIL言語モデルを他の最先端の言語モデルと置き換えることにより,類似のHindi NERシステムを開発した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  *言語 ,  ニューラルネットワーク ,  自然言語処理 ,  符号器 ,  応用プログラム ,  *モデル ,  計算機アーキテクチャ ,  トークン ,  *言語モデル
準シソーラス用語： 構造化文書 ,  多言語 ,  再現率 ,  条件つき確率場 ,  *エンティティ , 【Automatic Indexing@JST】

著者キーワード (6件)： ニューラルネットワーク ,  シーケンスラベリング ,  MuRIL ,  多言語BERT ,  伝達学習 ,  言語モデル

分類 (3件)： パターン認識  (JE07000S) ,  システム・制御理論一般  (IA02010H) ,  情報加工一般  (AC05010A)

タイトルに関連する用語 (5件)： 言語 ,  言語モデル ,  CRF ,  名前 ,  エンティティ