論文の概要: Recent Trends in Named Entity Recognition (NER)
- arxiv url: http://arxiv.org/abs/2101.11420v1
- Date: Mon, 25 Jan 2021 14:18:24 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-14 19:09:11.987080
- Title: Recent Trends in Named Entity Recognition (NER)
- Title(参考訳): 名前付きエンティティ認識(NER)の最近の動向
- Authors: Arya Roy
- Abstract要約: 我々は近年,NERに採用されている重要な学習手法を概観する。
また、NERに上流または下流にある関連するタスクの進捗についても取り上げる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The availability of large amounts of computer-readable textual data and
hardware that can process the data has shifted the focus of knowledge projects
towards deep learning architecture. Natural Language Processing, particularly
the task of Named Entity Recognition is no exception. The bulk of the learning
methods that have produced state-of-the-art results have changed the deep
learning model, the training method used, the training data itself or the
encoding of the output of the NER system. In this paper, we review significant
learning methods that have been employed for NER in the recent past and how
they came about from the linear learning methods of the past. We also cover the
progress of related tasks that are upstream or downstream to NER, e.g.,
sequence tagging, entity linking, etc., wherever the processes in question have
also improved NER results.
- Abstract(参考訳): データを処理できる大量のコンピュータ可読テキストデータとハードウェアが利用可能になったことで、知識プロジェクトの中心はディープラーニングアーキテクチャへとシフトした。
自然言語処理、特に名前付きエンティティ認識のタスクは例外ではない。
最先端の結果を生み出した学習方法の大部分は、ディープラーニングモデル、使用するトレーニング方法、トレーニングデータ自体、あるいはNERシステムの出力の符号化を変更している。
本稿では,近年NERに採用されている重要な学習手法と,それが過去の線形学習方法からどのように生まれたのかを概観する。
我々はまた、問題のプロセスがNER結果も改善した場所、例えば、シーケンスタグ付け、エンティティリンクなど、NERへの上流または下流にある関連タスクの進捗状況についても説明します。
関連論文リスト
- Nature-Inspired Local Propagation [68.63385571967267]
自然学習プロセスは、データの表現と学習が局所性を尊重するような方法で交わされるメカニズムに依存している。
ハミルトン方程式の構造を導出した「学習の法則」のアルゴリズム的解釈は、伝播の速度が無限大になるときにバックプロパゲーションに還元されることを示す。
これにより、バックプロパゲーションと提案されたローカルアルゴリズムの置き換えに基づく完全なオンライン情報に基づく機械学習への扉が開く。
論文 参考訳(メタデータ) (2024-02-04T21:43:37Z) - Continual Learning with Deep Learning Methods in an Application-Oriented
Context [0.0]
人工知能(AI)の重要な研究領域は、データから知識を自動的に導出することである。
ディープニューラルネットワーク(Deep Neural Networks, DNN)と呼ばれる、"ディープラーニング"モデルに分類される機械学習アルゴリズムの一種。
DNNは、新しい知識が既存のベースに追加されるのを防ぐ問題の影響を受けます。
論文 参考訳(メタデータ) (2022-07-12T10:13:33Z) - Neuro-Symbolic Learning of Answer Set Programs from Raw Data [54.56905063752427]
Neuro-Symbolic AIは、シンボリックテクニックの解釈可能性と、生データから学ぶ深層学習の能力を組み合わせることを目的としている。
本稿では,ニューラルネットワークを用いて生データから潜在概念を抽出するNSIL(Neuro-Symbolic Inductive Learner)を提案する。
NSILは表現力のある知識を学習し、計算的に複雑な問題を解き、精度とデータ効率の観点から最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2022-05-25T12:41:59Z) - Human Activity Recognition using Attribute-Based Neural Networks and
Context Information [61.67246055629366]
手作業におけるウェアラブルセンサデータから人間の活動認識(HAR)を考察する。
我々は、コンテキスト情報をディープニューラルネットワークベースのHARシステムに体系的に組み込む方法を示す。
提案したアーキテクチャは,最先端手法と比較してHAR性能が向上することを示す。
論文 参考訳(メタデータ) (2021-10-28T06:08:25Z) - Distantly-Supervised Named Entity Recognition with Noise-Robust Learning
and Language Model Augmented Self-Training [66.80558875393565]
遠距離ラベル付きデータのみを用いて、名前付きエンティティ認識(NER)モデルを訓練する際の課題について検討する。
本稿では,新しい損失関数と雑音ラベル除去ステップからなるノイズロスバスト学習手法を提案する。
提案手法は,既存の遠隔教師付きNERモデルよりも優れた性能を実現する。
論文 参考訳(メタデータ) (2021-09-10T17:19:56Z) - DRILL: Dynamic Representations for Imbalanced Lifelong Learning [15.606651610221416]
継続的あるいは生涯学習は、これまで機械学習において長年の課題だった。
オープンドメインテキスト分類のための新しい連続学習アーキテクチャDRILLを紹介する。
論文 参考訳(メタデータ) (2021-05-18T11:36:37Z) - Embedding Symbolic Temporal Knowledge into Deep Sequential Models [21.45383857094518]
時系列や時系列はロボットのタスク、例えば活動認識や模倣学習で発生することが多い。
深層ニューラルネットワーク(DNN)は、十分なトレーニングデータと計算リソースを与えられたシーケンスを処理する効果的なデータ駆動手法として登場した。
グラフニューラルネットワークを用いて定式から生成された自動機械のセマンティックな埋め込みを構築する。実験により、これらの学習された埋め込みは、シーケンシャルな動作認識や模倣学習などの下流ロボットタスクの改善につながることが示された。
論文 参考訳(メタデータ) (2021-01-28T13:17:46Z) - DAGA: Data Augmentation with a Generation Approach for Low-resource
Tagging Tasks [88.62288327934499]
線形化ラベル付き文に基づいて訓練された言語モデルを用いた新しい拡張手法を提案する。
本手法は, 教師付き設定と半教師付き設定の両方に適用可能である。
論文 参考訳(メタデータ) (2020-11-03T07:49:15Z) - Knowledge-Aware Procedural Text Understanding with Multi-Stage Training [110.93934567725826]
本稿では,このような文書の理解とプロセス中のエンティティの状態や場所の追跡を目的とした手続き的テキスト理解の課題に焦点をあてる。
常識的推論の難しさとデータ不足という2つの課題はまだ未解決のままである。
我々は、複数の外部知識を効果的に活用する、KnOwledge-Aware ProceduraL text understAnding (KOALA)モデルを提案する。
論文 参考訳(メタデータ) (2020-09-28T10:28:40Z) - ASTRAL: Adversarial Trained LSTM-CNN for Named Entity Recognition [16.43239147870092]
本稿では,モデル構造とトレーニングプロセスの両方から,現在のNER法を改善するためのLSTM-CNN(ASTRAL)システムを提案する。
提案システムは,CoNLL-03,OntoNotes 5.0,WNUT-17の3つのベンチマークで評価し,最先端の結果を得た。
論文 参考訳(メタデータ) (2020-09-02T13:15:25Z) - Dynamic Knowledge embedding and tracing [18.717482292051788]
本稿では,行列分解の手法と最近のリカレントニューラルネットワーク(RNN)の進歩を組み合わせた知識追跡手法を提案する。
提案するemphDynEmbフレームワークは,概念やスキルのタグ情報を使わずに,学生の知識の追跡を可能にする。
論文 参考訳(メタデータ) (2020-05-18T21:56:42Z)
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。