文献

J-GLOBAL ID：202202274858440867   整理番号：22A0942979

歴史的文書におけるジョイント手書きと名前付きエンティティ認識のための変圧器ベースアプローチ【JST・京大機械翻訳】

Transformer-based approach for joint handwriting and named entity recognition in historical document

著者 (7件)： Rouhou Ahmed Cheikh (InstaDeep, Tunis, Tunisia) ,  Dhiaf Marwa (InstaDeep, Tunis, Tunisia) ,  Dhiaf Marwa (Digital Research Center of Sfax, Tunisia) ,  Dhiaf Marwa (SM@RTS : Laboratory of Signals, systeMs, aRtificial Intelligence and neTworkS, Sfax, Tunisia) ,  Kessentini Yousri (Digital Research Center of Sfax, Tunisia) ,  Kessentini Yousri (SM@RTS : Laboratory of Signals, systeMs, aRtificial Intelligence and neTworkS, Sfax, Tunisia) ,  Salem Sinda Ben (InstaDeep, Tunis, Tunisia)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 155  ページ： 128-134  発行年： 2022年 
JST資料番号： H0913A  ISSN： 0167-8655  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 手書き文書におけるエンティティと命名された関連情報の抽出は,まだ挑戦的なタスクである。従来の情報抽出手法とは異なり,通常,テキスト転写を顔し,エンティティ認識を別々の後続タスクとして命名し,本論文では,これら2つのタスクを共同で実行するためのエンドツーエンド変圧器ベースアプローチを提案する。提案手法はパラグラフレベルで動作し,2つの主な利点をもたらす。第1に,このモデルは,ラインセグメンテーションによる回復不能な早期誤差を避けることができる。第2に,このモデルは,より高い最終予測精度に達する意味的カテゴリーを同定するために,より大きな二次元コンテキスト情報を利用することができる。また,異なる訓練シナリオを調べ,その性能への影響を示し,2段階学習戦略が,このモデルをより高い最終予測精度に到達できることを示した。知る限りでは,本研究では,手書き文書におけるエンティティ認識という名の変圧器ネットワークを採用した最初のアプローチを示した。提案手法は辞書,言語モデリング,あるいは後処理を使わないにもかかわらず,完全なタスクのために,Esposallesデータベースを用いたICDAR2017情報抽出競争における新しい最先端の性能を達成した。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： *変圧器 ,  情報 ,  セグメンテーション ,  データベース ,  ネットワーク ,  *書法 ,  モデリング ,  後処理 ,  エンドツーエンド方式 ,  二次元 ,  転写 ,  情報抽出
準シソーラス用語： *手書き ,  予測精度 ,  *エンティティ ,  言語モデリング ,  歴史的文書 ,  コンテキスト情報 , 【Automatic Indexing@JST】

著者キーワード (4件)： 名前付きエンティティ認識 ,  テキストブロック認識 ,  変圧器 ,  IEHHR競争

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 歴史 ,  文書 ,  ジョイント ,  手書き ,  名前 ,  エンティティ ,  変圧器