論文の概要: Bottom-Up Constituency Parsing and Nested Named Entity Recognition with
Pointer Networks
- arxiv url: http://arxiv.org/abs/2110.05419v1
- Date: Mon, 11 Oct 2021 17:01:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-12 17:58:09.580227
- Title: Bottom-Up Constituency Parsing and Nested Named Entity Recognition with
Pointer Networks
- Title(参考訳): ポインタネットワークを用いたボトムアップ構成解析とネスト付き名前付きエンティティ認識
- Authors: Songlin Yang and Kewei Tu
- Abstract要約: NER(Constituency parsing and nested named entity recognition)は、典型的なテクスチャ付き構造化予測タスクである。
本稿では,解析に線形ステップを必要とする,ポインタネットワークを用いたボトムアップ解析のための新しいグローバルポインティング機構を提案する。
提案手法は,全 BERT モデル (96.01 F1 スコア) における PTB の最先端性能と,選挙区解析における CTB7 の競合性能を得る。
- 参考スコア(独自算出の注目度): 24.337440797369702
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Constituency parsing and nested named entity recognition (NER) are typical
\textit{nested structured prediction} tasks since they both aim to predict a
collection of nested and non-crossing spans. There are many previous studies
adapting constituency parsing methods to tackle nested NER. In this work, we
propose a novel global pointing mechanism for bottom-up parsing with pointer
networks to do both tasks, which needs linear steps to parse. Our method obtain
the state-of-the-art performance on PTB among all BERT-based models (96.01 F1
score) and competitive performance on CTB7 in constituency parsing; and
comparable performance on three benchmark datasets of nested NER: ACE2004,
ACE2005, and GENIA. Our code is publicly available at
\url{https://github.com/sustcsonglin/pointer-net-for-nested}
- Abstract(参考訳): 構成構文解析とネスト付き名前付きエンティティ認識(ner)は、ネストされたスパンと非クロススパンのコレクションの予測を目的としているため、典型的な \textit{nested structured prediction}タスクである。
ネストされたNERに取り組むために選挙区解析手法を適用する以前の多くの研究がある。
本研究では,2つのタスクを行うために,ポインタネットワークを用いたボトムアップ解析のための新たなグローバルポインティング機構を提案する。
提案手法は,すべてのBERTベースモデル (96.01 F1スコア) とCTB7における競合性能,およびネストしたNERの3つのベンチマークデータセット(ACE 2004,ACE2005,GENIA)と比較した。
我々のコードは \url{https://github.com/sustcsonglin/pointer-net-for-nested} で公開されている。
関連論文リスト
- Uncovering Prototypical Knowledge for Weakly Open-Vocabulary Semantic
Segmentation [59.37587762543934]
本稿では,弱開語彙セマンティックセマンティックセグメンテーション(WOVSS)の問題点について検討する。
既存の方法は、グループトークンの使用に関する粒度の矛盾に悩まされる。
マルチモーダル正規化を組み込んだプロトタイプ誘導ネットワーク(PGSeg)を提案する。
論文 参考訳(メタデータ) (2023-10-29T13:18:00Z) - PromptNER: A Prompting Method for Few-shot Named Entity Recognition via
k Nearest Neighbor Search [56.81939214465558]
本稿では,近距離探索による数発NERの新規プロンプト法であるPromptNERを提案する。
我々は、エンティティカテゴリ情報を含むプロンプトを使用してラベルのプロトタイプを構築する。
Few-NERDデータセットとCrossNERデータセットの広範な実験により,本モデルが最先端手法よりも優れた性能を発揮することを示す。
論文 参考訳(メタデータ) (2023-05-20T15:47:59Z) - Gaussian Prior Reinforcement Learning for Nested Named Entity
Recognition [52.46740830977898]
GPRLと呼ばれる新しいSeq2seqモデルを提案し、ネストしたNERタスクをエンティティ三重項列生成プロセスとして定式化する。
3つのネストされたNERデータセットの実験では、GPRLが以前のネストされたNERモデルより優れていることが示されている。
論文 参考訳(メタデータ) (2023-05-12T05:55:34Z) - Optimizing Bi-Encoder for Named Entity Recognition via Contrastive
Learning [80.36076044023581]
名前付きエンティティ認識(NER)のための効率的なバイエンコーダフレームワークを提案する。
我々はNERを、エンティティ参照のベクトル表現とその型との類似性を最大化する計量学習問題とみなす。
NERのこのバイエンコーダの定式化における大きな課題は、エンティティの言及から非エンゲージスを分離することにある。
論文 参考訳(メタデータ) (2022-08-30T23:19:04Z) - An Embarrassingly Easy but Strong Baseline for Nested Named Entity
Recognition [55.080101447586635]
スコア行列の空間関係をモデル化するために,コナールニューラルネットワーク(CNN)を提案する。
提案手法は, 事前学習したエンコーダと同一の手法である。
論文 参考訳(メタデータ) (2022-08-09T04:33:46Z) - Local Hypergraph-based Nested Named Entity Recognition as Query-based
Sequence Labeling [5.134435281973136]
ネストされた名前を持つエンティティを識別するための局所ハイパーグラフに基づく新しい手法を提案する。
提案手法は,スパンサンプリングの計算コストが高く,長いエンティティが失われるリスクを伴わない。
ACE 2004データセット上の新しい最先端F1スコアと、他のネストされたNERデータセットであるACE 2005、GENIA、KBP 2017の以前の最先端F1スコアを達成している。
論文 参考訳(メタデータ) (2022-04-25T06:56:49Z) - X2Parser: Cross-Lingual and Cross-Domain Framework for Task-Oriented
Compositional Semantic Parsing [51.81533991497547]
タスク指向コンポジションセマンティックパーシング(TCSP)は複雑なネストされたユーザクエリを処理する。
本報告では,TCSPの変換可能なクロスランガルとクロスドメインを比較した。
本稿では,フラット化意図とスロット表現を別々に予測し,両方の予測タスクをシーケンスラベリング問題にキャストすることを提案する。
論文 参考訳(メタデータ) (2021-06-07T16:40:05Z) - A Sequence-to-Set Network for Nested Named Entity Recognition [38.05786148160635]
ネストNERのための新しいシーケンス・ツー・セットニューラルネットワークを提案する。
我々は、非自己回帰デコーダを使用して、1回のパスで最終的なエンティティセットを予測する。
実験により, ネストした3つのNERコーパスに対して, 提案モデルが最先端となることを示す。
論文 参考訳(メタデータ) (2021-05-19T03:10:04Z) - Nested Named Entity Recognition with Partially-Observed TreeCRFs [23.992944831013013]
ネストネストnerを,部分可観測木を用いた構成構文解析と捉え,部分可観測木crfでモデル化した。
提案手法はACE 2004, ACE 2005データセット上でのSOTA(State-of-the-art)F1スコアを達成し, GENIAデータセット上でのSOTAモデルに匹敵する性能を示す。
論文 参考訳(メタデータ) (2020-12-15T18:20:36Z) - Named Entity Recognition as Dependency Parsing [16.544333689188246]
グラフベースの依存性解析を使用して、バフィンモデルによる入力のグローバルビューをモデルに提供します。
このモデルは,8コーパスの評価とSoTA性能の達成により,最大2.2ポイントの精度向上を達成し,ネスト型NERと平坦型NERの両方で良好に動作することを示す。
論文 参考訳(メタデータ) (2020-05-14T17:11:41Z)
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。