論文の概要: Rapid Adaptation of BERT for Information Extraction on Domain-Specific Business Documents

• arxiv url: http://arxiv.org/abs/2002.01861v1
• Date: Wed, 5 Feb 2020 16:45:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-03 21:11:25.852190
• Title: Rapid Adaptation of BERT for Information Extraction on Domain-Specific Business Documents
• Title（参考訳）: ドメイン特化業務文書情報抽出のためのBERTの迅速適応
• Authors: Ruixue Zhang, Wei Yang, Luyun Lin, Zhengkai Tu, Yuqing Xie, Zihang Fu, Yuhao Xie, Luchen Tan, Kun Xiong, Jimmy Lin
• Abstract要約: ビジネス文書から重要なコンテンツ要素を自動的に抽出する技術を開発した。 また,100文書未満のアノテートデータに対して,妥当な精度を実現するのに十分な量のアノテートデータが得られた。 私たちはモデルをエンドツーエンドのクラウドプラットフォームに統合し、簡単に使えるアノテーションインターフェースと推論インターフェースの両方を提供します。
• 参考スコア（独自算出の注目度）: 37.70717389244695
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Techniques for automatically extracting important content elements from business documents such as contracts, statements, and filings have the potential to make business operations more efficient. This problem can be formulated as a sequence labeling task, and we demonstrate the adaption of BERT to two types of business documents: regulatory filings and property lease agreements. There are aspects of this problem that make it easier than "standard" information extraction tasks and other aspects that make it more difficult, but on balance we find that modest amounts of annotated data (less than 100 documents) are sufficient to achieve reasonable accuracy. We integrate our models into an end-to-end cloud platform that provides both an easy-to-use annotation interface as well as an inference interface that allows users to upload documents and inspect model outputs.
• Abstract（参考訳）: 契約、ステートメント、書類などのビジネス文書から重要なコンテンツ要素を自動的に抽出する技術は、ビジネス操作をより効率的にする可能性がある。 この問題はシーケンスラベリングタスクとして定式化することができ、規制申請と不動産リース契約の2種類のビジネス文書へのBERTの適用を実証する。 この問題には「標準」な情報抽出タスクよりも容易な側面と、それをより困難にする他の側面があるが、バランスをとると、少量の注釈付きデータ(100文書未満)が妥当な正確性を達成するのに十分であることが分かる。 当社のモデルをエンドツーエンドのクラウドプラットフォームに統合することで,使いやすいアノテーションインターフェースと,ドキュメントのアップロードやモデルのアウトプットの検査が可能な推論インターフェースの両方を提供します。

関連論文リスト

• Unified Multi-Modal Interleaved Document Representation for Information Retrieval [57.65409208879344]
  我々は、異なるモダリティでインターリーブされた文書を均等に埋め込み、より包括的でニュアンスのある文書表現を生成する。 具体的には、テキスト、画像、テーブルの処理と統合を統一されたフォーマットと表現に統合する、近年のビジョン言語モデルの能力を活用して、これを実現する。
  論文  参考訳（メタデータ） (2024-10-03T17:49:09Z)
• On Task-personalized Multimodal Few-shot Learning for Visually-rich Document Entity Retrieval [59.25292920967197]
  VDER(Few-shot document entity search)は、NLPアプリケーションにおいて重要なトピックである。 FewVEXは、エンティティレベルの少数ショットVDERの分野における将来の研究を促進するための、新しいデータセットである。 本稿では,タスクパーソナライズを効果的に実現することを中心に,タスク認識型メタラーニングベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-01T17:51:43Z)
• DocumentNet: Bridging the Data Gap in Document Pre-Training [78.01647768018485]
  本稿では,Webから大規模かつ弱いラベル付きデータを収集し,VDERモデルの学習に役立てる手法を提案する。 収集されたデータセットはDocumentNetと呼ばれ、特定のドキュメントタイプやエンティティセットに依存しない。 広く採用されているVDERタスクの実験は、DocumentNetを事前トレーニングに組み込んだ場合、大幅に改善されている。
  論文  参考訳（メタデータ） (2023-06-15T08:21:15Z)
• Plug-and-Play Document Modules for Pre-trained Models [92.9897146991974]
  PTM用文書プラグイン(PlugD)として,各文書をプラグイン・アンド・プレイ用文書モジュールとして表現することを提案する。 ダウンストリームタスクのためにドキュメントプラグインをバックボーンPTMに挿入することで、ドキュメントを一度エンコードして複数のタスクを処理することができます。 典型的な4つのNLPタスクの8つのデータセットの実験では、PlugDによって、さまざまなシナリオにまたがって、複数のドキュメントをエンコードすることが可能である。
  論文  参考訳（メタデータ） (2023-05-28T08:01:40Z)
• Business Document Information Extraction: Towards Practical Benchmarks [0.0]
  本稿では,文書情報抽出問題,データセット,ベンチマークの状況について概観する。 共通定義に欠けている実践的側面を強調し,鍵情報局所化・抽出(KILE)問題とラインアイテム認識(LIR)問題を定義する。 通常、コンテンツは法的に保護されているか、センシティブであるので、半構造化のビジネス文書にドキュメントIEに関する関連するデータセットとベンチマークが欠如しています。
  論文  参考訳（メタデータ） (2022-06-20T15:23:49Z)
• Utilizing coarse-grained data in low-data settings for event extraction [0.0]
  文書を注釈付けするのではなく,粗粒度データ(文書や文ラベル)の統合の可能性を検討する。 その結果、余分な粗いデータを導入することで、改善と堅牢性が向上する一方で、いかなるイベントに関する情報も持たない負のドキュメントを追加するだけで利益が得られます。
  論文  参考訳（メタデータ） (2022-05-11T13:07:42Z)
• Augmenting Document Representations for Dense Retrieval with Interpolation and Perturbation [49.940525611640346]
  ドキュメント拡張(Document Augmentation for dense Retrieval)フレームワークは、ドキュメントの表現をDense Augmentationとperturbationsで強化する。 2つのベンチマークデータセットによる検索タスクにおけるDARの性能評価を行い、ラベル付き文書とラベルなし文書の密集検索において、提案したDARが関連するベースラインを大幅に上回っていることを示す。
  論文  参考訳（メタデータ） (2022-03-15T09:07:38Z)
• DocSegTr: An Instance-Level End-to-End Document Image Segmentation Transformer [16.03084865625318]
  ビジネスインテリジェンスプロセスは、しばしばドキュメントから有用なセマンティックコンテンツを抽出する必要がある。 本稿では,文書画像における複雑なレイアウトのエンドツーエンドセグメンテーションのためのトランスフォーマーモデルを提案する。 我々のモデルは、既存の最先端手法に比べて、同等またはより良いセグメンテーション性能を達成した。
  論文  参考訳（メタデータ） (2022-01-27T10:50:22Z)
• The Law of Large Documents: Understanding the Structure of Legal Contracts Using Visual Cues [0.7425558351422133]
  コンピュータビジョン手法を用いて得られた視覚的手がかりが文書理解タスクの精度に与える影響を計測する。 構造メタデータに基づく文書のセグメンテーション手法は,4つの文書理解タスクにおいて,既存の手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-07-16T21:21:50Z)
• Spatial Dependency Parsing for Semi-Structured Document Information Extraction [29.231908055394808]
  本研究では,文書内の複雑な関係と任意の数の情報層をエンドツーエンドにモデル化するSPADE(SPA Dependency)を提案する。 我々はレシート、名刺、フォーム、請求書など、さまざまな種類の文書で評価する。
  論文  参考訳（メタデータ） (2020-05-01T22:59:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。