論文の概要: TexSmart: A Text Understanding System for Fine-Grained NER and Enhanced Semantic Analysis

• arxiv url: http://arxiv.org/abs/2012.15639v1
• Date: Thu, 31 Dec 2020 14:58:01 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-17 17:13:52.433403
• Title: TexSmart: A Text Understanding System for Fine-Grained NER and Enhanced Semantic Analysis
• Title（参考訳）: TexSmart:微細粒度NERのテキスト理解システムと意味解析の強化
• Authors: Haisong Zhang, Lemao Liu, Haiyun Jiang, Yangming Li, Enbo Zhao, Kun Xu, Linfeng Song, Suncong Zheng, Botong Zhou, Jianchen Zhu, Xiao Feng, Tao Chen, Tao Yang, Dong Yu, Feng Zhang, Zhanhui Kang, Shuming Shi
• Abstract要約: 本手法では,詳細な名前付きエンティティ認識(NER)とセマンティック分析機能強化をサポートするテキスト理解システムであるTexSmartを紹介する。 TexSmartにはユニークな機能があります。 まず、TexSmartのNER関数は1000以上のエンティティタイプをサポートし、他のほとんどの公開ツールは、通常、数十のエンティティタイプをサポートする。 第2に、TexSmartはセマンティック拡張やディープセマンティック表現のような新しいセマンティック分析機能を導入し、ほとんどの以前のシステムにはない。
• 参考スコア（独自算出の注目度）: 61.28407236720969
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This technique report introduces TexSmart, a text understanding system that supports fine-grained named entity recognition (NER) and enhanced semantic analysis functionalities. Compared to most previous publicly available text understanding systems and tools, TexSmart holds some unique features. First, the NER function of TexSmart supports over 1,000 entity types, while most other public tools typically support several to (at most) dozens of entity types. Second, TexSmart introduces new semantic analysis functions like semantic expansion and deep semantic representation, that are absent in most previous systems. Third, a spectrum of algorithms (from very fast algorithms to those that are relatively slow but more accurate) are implemented for one function in TexSmart, to fulfill the requirements of different academic and industrial applications. The adoption of unsupervised or weakly-supervised algorithms is especially emphasized, with the goal of easily updating our models to include fresh data with less human annotation efforts. The main contents of this report include major functions of TexSmart, algorithms for achieving these functions, how to use the TexSmart toolkit and Web APIs, and evaluation results of some key algorithms.
• Abstract（参考訳）: 本手法では,詳細な名前付きエンティティ認識(NER)とセマンティック分析機能強化をサポートするテキスト理解システムであるTexSmartを紹介する。 これまで公開されたテキスト理解システムやツールと比べ、texsmartにはユニークな機能がある。 まず、TexSmartのNER関数は1000以上のエンティティタイプをサポートし、他のほとんどの公開ツールは、通常、数十のエンティティタイプをサポートする。 第2に、TexSmartはセマンティック拡張やディープセマンティック表現のような新しいセマンティック分析機能を導入し、ほとんどの以前のシステムにはない。 第3に、(非常に高速なアルゴリズムから比較的遅いがより正確であるアルゴリズムまで)アルゴリズムのスペクトルが、TexSmartの1つの関数に対して実装され、異なる学術的および工業的アプリケーションの要求を満たす。 教師なしまたは弱教師付きアルゴリズムの採用は特に強調され、人間のアノテーションの少ない新鮮なデータを含むモデルを簡単に更新することを目的としています。 本報告の主な内容は、TexSmartの主要な機能、これらの機能を実現するアルゴリズム、TexSmartツールキットとWeb APIの使用方法、およびいくつかの重要なアルゴリズムの評価結果である。

関連論文リスト

• NERetrieve: Dataset for Next Generation Named Entity Recognition and Retrieval [49.827932299460514]
  我々は、大きな言語モデルによって提供される能力は、NER研究の終わりではなく、むしろエキサイティングな始まりであると主張する。 我々は、NERタスクの3つの変種と、それらをサポートするデータセットを示す。 500のエンティティタイプをカバーする400万段落の,大規模で銀の注釈付きコーパスを提供する。
  論文  参考訳（メタデータ） (2023-10-22T12:23:00Z)
• TextFormer: A Query-based End-to-End Text Spotter with Mixed Supervision [72.79006668848186]
  Transformerアーキテクチャを用いた問合せベースのエンドツーエンドテキストスポッターであるTextFormerを提案する。 TextFormerは、画像エンコーダとテキストデコーダの上に構築され、マルチタスクモデリングのための共同セマンティック理解を学ぶ。 分類、セグメンテーション、認識のブランチの相互訓練と最適化を可能にし、より深い特徴共有をもたらす。
  論文  参考訳（メタデータ） (2023-06-06T03:37:41Z)
• Gradient Backpropagation based Feature Attribution to Enable Explainable-AI on the Edge [1.7338677787507768]
  そこで本研究では,勾配バックプロパゲーションに基づく特徴属性アルゴリズムのデータフローを解析し,推論に要するリソースのオーバーヘッドを推定する。 我々は,エッジデバイスを対象とした高レベル合成(HLS)に基づくFPGA設計を開発し,3つの特徴帰属アルゴリズムをサポートする。 提案手法は,最小限のオーバーヘッドで特徴属性をサポートするために推論アクセラレータを再利用し,エッジ上でのリアルタイムXAIを実現する経路を示す。
  論文  参考訳（メタデータ） (2022-10-19T22:58:59Z)
• Effidit: Your AI Writing Assistant [60.588370965898534]
  Effiditは、人工知能(AI)技術を使用して、ユーザーが高品質なテキストをより効率的に書けるようにするためのデジタルライティングアシスタントである。 Effiditでは、テキスト補完、エラーチェック、テキスト研磨、キーワード・トゥ・センテンス(K2S)、クラウド・インプット・メソッド(クラウドIME)の5つのカテゴリで機能を提供することで、筆記アシスタントの能力を大幅に拡大する。
  論文  参考訳（メタデータ） (2022-08-03T02:24:45Z)
• Syntax-Aware Network for Handwritten Mathematical Expression Recognition [53.130826547287626]
  手書き数式認識(HMER)は、多くの潜在的な応用が可能な課題である。 HMERの最近の手法はエンコーダ・デコーダアーキテクチャで優れた性能を実現している。 本稿では,構文情報をエンコーダ・デコーダネットワークに組み込んだHMERの簡易かつ効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-03-03T09:57:19Z)
• Software Vulnerability Detection via Deep Learning over Disaggregated Code Graph Representation [57.92972327649165]
  この研究は、コードコーパスから安全でないパターンを自動的に学習するためのディープラーニングアプローチを探求する。 コードには解析を伴うグラフ構造が自然に認められるため,プログラムの意味的文脈と構造的規則性の両方を利用する新しいグラフニューラルネットワーク(GNN)を開発する。
  論文  参考訳（メタデータ） (2021-09-07T21:24:36Z)
• DEXTER: Deep Encoding of External Knowledge for Named Entity Recognition in Virtual Assistants [10.500933545429202]
  NERが重要なコンポーネントであるインテリジェント音声アシスタントでは、ユーザや音声認識エラーのため、NERへの入力がうるさい場合がある。 これらの問題に対処するためのNERシステムについて述べる。 本手法は, セマンティック解析などの関連タスクを改善し, エラー率を最大5%向上することを示す。
  論文  参考訳（メタデータ） (2021-08-15T00:14:47Z)
• Analysis of Machine Learning Approaches to Packing Detection [2.4450414803989475]
  パッキングは、プログラムの内容や動作を隠すためにマルウェアによって広く使用される難読化技術です。 どのアルゴリズムが最適なのか、最も重要な機能なのか、ロバストな結果はありません。 この研究では、119の機能を使用して11の異なる機械学習アプローチを検討する。どの機能がパッキング検出に最も重要であるか、どのアルゴリズムが最高のパフォーマンスを提供し、どのアルゴリズムが最も経済的であるか。
  論文  参考訳（メタデータ） (2021-05-02T13:37:15Z)
• LaTeX-Numeric: Language-agnostic Text attribute eXtraction for E-commerce Numeric Attributes [0.25782420501870296]
  製品テキストから電子商取引の数値属性を抽出するための高精度な全自動スケーラブルフレームワークを提案する。 属性データの欠落ラベルを扱うマルチタスクアーキテクチャを提案し,単一タスクアーキテクチャ上の数値属性に対して9.2%のF1改善を実現した。 属性値を用いたエイリアス自動生成アルゴリズムを提案し,20.2%のF1改善を実現した。
  論文  参考訳（メタデータ） (2021-04-19T19:14:32Z)

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。