論文の概要: Bidirectional LSTM-CRF Attention-based Model for Chinese Word Segmentation

• arxiv url: http://arxiv.org/abs/2105.09681v1
• Date: Thu, 20 May 2021 11:46:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-21 16:35:25.764325
• Title: Bidirectional LSTM-CRF Attention-based Model for Chinese Word Segmentation
• Title（参考訳）: 中国語単語セグメンテーションのための双方向LSTM-CRFアテンションベースモデル
• Authors: Chen Jin, Zhuangwei Shi, Weihua Li, Yanbu Guo
• Abstract要約: 中国語単語セグメンテーションのための双方向LSTM-CRFアテンションベースモデルを提案する。 我々のモデルは、他のニューラルネットワークによるベースライン手法よりも優れている。
• 参考スコア（独自算出の注目度）: 2.3991565023534087
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Chinese word segmentation (CWS) is the basic of Chinese natural language processing (NLP). The quality of word segmentation will directly affect the rest of NLP tasks. Recently, with the artificial intelligence tide rising again, Long Short-Term Memory (LSTM) neural network, as one of easily modeling in sequence, has been widely utilized in various kinds of NLP tasks, and functions well. Attention mechanism is an ingenious method to solve the memory compression problem on LSTM. Furthermore, inspired by the powerful abilities of bidirectional LSTM models for modeling sequence and CRF model for decoding, we propose a Bidirectional LSTM-CRF Attention-based Model in this paper. Experiments on PKU and MSRA benchmark datasets show that our model performs better than the baseline methods modeling by other neural networks.
• Abstract（参考訳）: 中国語の単語セグメンテーション(CWS)は、中国語の自然言語処理(NLP)の基本である。 単語セグメンテーションの品質は、NLPタスクの他の部分に直接影響を与えます。 近年、人工知能の潮流が再び高まる中、長い短期記憶(lstm)ニューラルネットワークは、シーケンシャルなモデリングの1つとして、様々なnlpタスクや機能で広く利用されている。 アテンション機構はLSTM上のメモリ圧縮問題を解決するための巧妙な方法である。 さらに, 2方向LSTMモデルによるシーケンスのモデル化とデコードのためのCRFモデルに着想を得て, 双方向LSTM-CRFアテンションベースモデルを提案する。 PKUおよびMSRAベンチマークデータセットの実験により、我々のモデルは、他のニューラルネットワークによるベースライン手法よりも優れた性能を示した。

関連論文リスト

• Latent Semantic Consensus For Deterministic Geometric Model Fitting [109.44565542031384]
  我々はLSC(Latent Semantic Consensus)と呼ばれる効果的な方法を提案する。 LSCは、モデルフィッティング問題をデータポイントとモデル仮説に基づく2つの潜在意味空間に定式化する。 LSCは、一般的な多構造モデルフィッティングのために、数ミリ秒以内で一貫した、信頼性の高いソリューションを提供することができる。
  論文  参考訳（メタデータ） (2024-03-11T05:35:38Z)
• In-Context Language Learning: Architectures and Algorithms [73.93205821154605]
  我々は、文脈言語学習(ICLL)において、私たちが用語する新しいモデル問題群(英語版)のレンズを通してICLを研究する。 我々は,通常のICLLタスクにおいて,多種多様なニューラルシーケンスモデルを評価する。
  論文  参考訳（メタデータ） (2024-01-23T18:59:21Z)
• Sentence-Level Sign Language Recognition Framework [0.0]
  文レベルSLRは手話文の動画をグロスラベルのシーケンスにマッピングする必要があった。 CTCは、文を個々の単語にプリセグメンテーションするのを避けるために使用される。 我々は,RWTH-PHOENIX-Weather を用いた提案モデルの性能評価を行った。
  論文  参考訳（メタデータ） (2022-11-13T01:45:41Z)
• Bayesian Neural Network Language Modeling for Speech Recognition [59.681758762712754]
  長期記憶リカレントニューラルネットワーク(LSTM-RNN)とトランスフォーマーで表される最先端のニューラルネットワーク言語モデル(NNLM)は非常に複雑になりつつある。 本稿では,LSTM-RNN と Transformer LM の基盤となる不確実性を考慮するために,ベイズ学習フレームワークの全体構造を提案する。
  論文  参考訳（メタデータ） (2022-08-28T17:50:19Z)
• Research on Dual Channel News Headline Classification Based on ERNIE Pre-training Model [13.222137788045416]
  提案モデルは従来のニューラルネットワークモデルと比較して,ニュース見出し分類の精度,精度,F1スコアを改善する。 大規模データ量でのニュース見出しテキストのマルチクラス化アプリケーションでは、うまく機能する。
  論文  参考訳（メタデータ） (2022-02-14T10:44:12Z)
• Multi-Scale Semantics-Guided Neural Networks for Efficient Skeleton-Based Human Action Recognition [140.18376685167857]
  スケルトンに基づく行動認識には,単純なマルチスケールセマンティクス誘導ニューラルネットワークが提案されている。 MS-SGNは、NTU60、NTU120、SYSUデータセットの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） (2021-11-07T03:50:50Z)
• Compressing LSTM Networks by Matrix Product Operators [7.395226141345625]
  Long Short Term Memory(LSTM)モデルは、多くの最先端自然言語処理(NLP)と音声強調(SE)アルゴリズムの構築ブロックである。 ここでは、量子多体物理学における量子状態の局所的相関を記述するMPO分解を紹介する。 LSTMモデルを置き換えるために,行列積演算子(MPO)に基づくニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-12-22T11:50:06Z)
• A journey in ESN and LSTM visualisations on a language task [77.34726150561087]
  我々は,CSL(Cross-Situationnal Learning)タスクでESNとLSTMを訓練した。 その結果, 性能比較, 内部力学解析, 潜伏空間の可視化の3種類が得られた。
  論文  参考訳（メタデータ） (2020-12-03T08:32:01Z)
• Sentiment Analysis Using Simplified Long Short-term Memory Recurrent Neural Networks [1.5146765382501612]
  GOPディベートTwitterデータセット上で感情分析を行う。 学習を高速化し、計算コストと時間を短縮するために、LSTMモデルのスリムバージョンを6つの異なるパラメータで削減する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-08T12:50:10Z)
• Depth-Adaptive Graph Recurrent Network for Text Classification [71.20237659479703]
  S-LSTM(Sentence-State LSTM)は、高効率なグラフリカレントネットワークである。 そこで本研究では,S-LSTMの深度適応機構を提案する。
  論文  参考訳（メタデータ） (2020-02-29T03:09:55Z)

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。