文献

J-GLOBAL ID：202202245145675477   整理番号：22A0454082

地震災害中のツイートに対する名前付きエンティティ認識の適用:深層学習ベースアプローチ【JST・京大機械翻訳】

Application of named entity recognition on tweets during earthquake disaster: a deep learning-based approach

著者 (3件)： Eliguezel Nazmiye (Industrial Engineering, Gaziantep University, Gaziantep, Turkey) ,  Cetinkaya Cihan (Department of Management Information Systems, Adana Alparslan Tuerkes Science and Technology University, Adana, Turkey) ,  Dereli Tuerkay (Office of the President, Hasan Kalyoncu University, Gaziantep, Turkey)
資料名： Soft Computing  (Soft Computing)
巻： 26  号： 1  ページ： 395-421  発行年： 2022年 
JST資料番号： W1043A  ISSN： 1432-7643  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ツイッタは,災害イベントと緊急事態のために強く利用されるプラットフォームである。したがって,Twitterは必須情報を提供するための重要な資源である。テキストにおける基本ユニットを決定するプロセスであり,予め定義されたカテゴリーでそれらを分類するプロセスであるNamedエンティティ認識(NER)は,必須および有用性情報を抽出するための重要な役割を果たす。しかし,NERは,文法誤差や非標準略語のようなTwitterプラットフォームにおける非公式テキストの利用により,挑戦的なタスクである。本論文では,NERツールによる活性化関数と最適化関数の多様性を考慮した再帰ニューラルネットワーク(RNN)ベースのアプローチを利用して,編組から組織,人,および位置のような名前のエンティティを抽出した。RNNモデルの入力は,テキスト工学(ゲート)のための自然言語ツールキット(NLTK)と一般的アーキテクチャである2つの異なるNERツールによって提供される。次に,事前ラベル付きデータをGloVe単語埋込み技術により訓練し,LSTM,BLSTM,およびGRUのようなRNNモデル変異体を示した。したがって,RNNバリアント間のモデルより優れていることを,名前のエンティティを予測するために提示した。提案方法とWilcoxon符号順位検定の評価のために,Yellowbrick解釈器を使用し,提案した方法の一貫性を実証するために,2つの異なるデータセットの結果に適用した。さらに,既存の機械学習法との比較も行った。ネパール地震Twitterデータセットを利用する実験は,RNNベースのアプローチが名前の実体を見つける際に良い結果を達成することを示した。緊急において,本論文の結果は,イベント位置検出の努力を減らし,より良い災害管理を提供するのを助けることができる。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  ニューラルネットワーク ,  *地震 ,  文法 ,  略語 ,  自然言語 ,  編組 ,  *震災 ,  計算機アーキテクチャ ,  単語 ,  機械学習
準シソーラス用語： 位置検出 ,  *エンティティ ,  ツイッター ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 災害 ,  地震 ,  名前付きエンティティ認識 ,  リカレントニューラルネットワーク ,  Twitter

分類 (2件)： 人工知能  (JE08000Z) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (4件)： 地震災害 ,  名前 ,  エンティティ ,  深層学習