論文の概要: Fusing Heterogeneous Factors with Triaffine Mechanism for Nested Named
Entity Recognition
- arxiv url: http://arxiv.org/abs/2110.07480v1
- Date: Thu, 14 Oct 2021 15:52:17 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-15 13:53:19.241056
- Title: Fusing Heterogeneous Factors with Triaffine Mechanism for Nested Named
Entity Recognition
- Title(参考訳): ネスト名前付きエンティティ認識のためのトリアフィン機構を用いた異種因子の融合
- Authors: Zheng Yuan, Chuanqi Tan, Songfang Huang, Fei Huang
- Abstract要約: 本稿では, トリファイン注意と得点を含む新しいトリファイン機構を提案し, 表現と分類の両段階において複数の要因と相互作用する。
実験の結果,提案手法は4つのネストしたNERデータセット上で,最先端のF1スコアを達成できることがわかった。
- 参考スコア(独自算出の注目度): 20.723141003025766
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nested entities are observed in many domains due to their compositionality,
which cannot be easily recognized by the widely-used sequence labeling
framework. A natural solution is to treat the task as a span classification
problem. To increase performance on span representation and classification, it
is crucial to effectively integrate all useful information of different
formats, which we refer to heterogeneous factors including tokens, labels,
boundaries, and related spans. To fuse these heterogeneous factors, we propose
a novel triaffine mechanism including triaffine attention and scoring, which
interacts with multiple factors in both the stages of representation and
classification. Experiments results show that our proposed method achieves the
state-of-the-art F1 scores on four nested NER datasets: ACE2004, ACE2005,
GENIA, and KBP2017.
- Abstract(参考訳): ネストされたエンティティは構成性のため多くのドメインで観察されるが、広く使用されているシーケンスラベリングフレームワークでは容易に認識できない。
自然な解決策は、タスクをスパン分類問題として扱うことである。
スパン表現と分類の性能を高めるために、トークン、ラベル、境界、関連するスパンを含む異質な要素を参照し、異なるフォーマットの有用な情報をすべて効果的に統合することが重要である。
これらの異種因子を融合させるため, トリアフィンの注意と得点を含む新規なトリアフィン機構を提案し, 表現と分類の段階において複数の因子と相互作用する。
実験の結果,提案手法は, ACE 2004, ACE 2005, GENIA, KBP2017の4つのNERデータセットに対して, 最先端のF1スコアを得ることができた。
関連論文リスト
- EIANet: A Novel Domain Adaptation Approach to Maximize Class Distinction with Neural Collapse Principles [15.19374752514876]
ソースフリードメイン適応(SFDA)は、ラベル付きソースドメインから未ラベルのターゲットドメインに知識を転送することを目的としている。
SFDAにおける大きな課題は、ターゲットドメインの正確な分類情報を導き出すことである。
クラスプロトタイプを分離するための新しいETF-Informed Attention Network(EIANet)を導入する。
論文 参考訳(メタデータ) (2024-07-23T05:31:05Z) - Generalized Category Discovery with Clustering Assignment Consistency [56.92546133591019]
一般化圏発見(GCD)は、最近提案されたオープンワールドタスクである。
クラスタリングの一貫性を促進するための協調学習ベースのフレームワークを提案する。
提案手法は,3つの総合的なベンチマークと3つのきめ細かい視覚認識データセット上での最先端性能を実現する。
論文 参考訳(メタデータ) (2023-10-30T00:32:47Z) - Generating Hierarchical Structures for Improved Time Series
Classification Using Stochastic Splitting Functions [0.0]
本研究では,階層分類(HC)による多クラスデータセットの分類性能を高めるために,分割関数(SSF)を用いた新しい階層分割クラスタリング手法を提案する。
この方法は、明示的な情報を必要とせずに階層を生成するユニークな能力を持ち、階層の事前の知識を欠いたデータセットに適している。
論文 参考訳(メタデータ) (2023-09-21T10:34:50Z) - Histopathology Whole Slide Image Analysis with Heterogeneous Graph
Representation Learning [78.49090351193269]
本稿では,WSI分析のために,異なる種類の核間の相互関係を利用する新しいグラフベースのフレームワークを提案する。
具体的には、WSI を各ノードに "nucleus-type" 属性と各エッジに類似した意味属性を持つ異種グラフとして定式化する。
我々のフレームワークは、様々なタスクに対してかなりのマージンで最先端の手法より優れています。
論文 参考訳(メタデータ) (2023-07-09T14:43:40Z) - Type-enhanced Ensemble Triple Representation via Triple-aware Attention
for Cross-lingual Entity Alignment [12.894775396801958]
TTEA -- Triple-aware Attention for Cross-lingual Entityアライメントによる型付きアンサンブルトリプル表現を提案する。
我々のフレームワークは三重要素の役割の多様性をモデル化するために三重要素の強化を利用する。
我々のフレームワークは、3つの実世界の言語間データセットの実験において最先端の手法よりも優れています。
論文 参考訳(メタデータ) (2023-05-02T15:56:11Z) - Multivariate feature ranking of gene expression data [62.997667081978825]
ペアワイズ相関とペアワイズ整合性に基づく2つの新しい多変量特徴ランキング手法を提案する。
提案手法は, クラスタリング変動, チ・スクエアド, 相関, 情報ゲイン, ReliefF および Significance の手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2021-11-03T17:19:53Z) - MMF: Multi-Task Multi-Structure Fusion for Hierarchical Image
Classification [10.713537820833665]
我々は、異なるラベル構造がカテゴリ認識に様々な事前知識を提供すると考えている。
異なるラベル構造を統合するマルチタスク多構造融合モデルを提案する。
論文 参考訳(メタデータ) (2021-07-02T02:53:35Z) - Cross-Supervised Joint-Event-Extraction with Heterogeneous Information
Networks [61.950353376870154]
Joint-event- Extractは、トリガとエンティティのタグからなるタグセットを備えたシーケンスからシーケンスまでのラベリングタスクである。
トリガやエンティティの抽出を交互に監督するクロススーパーバイザードメカニズム(CSM)を提案する。
我々の手法は、エンティティとトリガー抽出の両方において最先端の手法よりも優れています。
論文 参考訳(メタデータ) (2020-10-13T11:51:17Z) - Simultaneous Semantic Alignment Network for Heterogeneous Domain
Adaptation [67.37606333193357]
本稿では,カテゴリ間の相関を同時に利用し,各カテゴリ毎のセントロイドを整列させるために,aSimultaneous Semantic Alignment Network (SSAN)を提案する。
対象の擬似ラベルを利用することで、各カテゴリの特徴表現を整列させるために、ロバストな三重項中心のアライメント機構を明示的に適用する。
テキスト・ツー・イメージ、画像・画像・テキスト・ツー・テキストにわたる様々なHDAタスクの実験は、最先端のHDA手法に対するSSANの優位性を検証することに成功した。
論文 参考訳(メタデータ) (2020-08-04T16:20:37Z) - Adversarial Feature Hallucination Networks for Few-Shot Learning [84.31660118264514]
Adversarial Feature Hallucination Networks (AFHN) は条件付き Wasserstein Generative Adversarial Network (cWGAN) に基づいている。
合成された特徴の識別性と多様性を促進するために、2つの新規レギュレータがAFHNに組み込まれている。
論文 参考訳(メタデータ) (2020-03-30T02:43:16Z) - A Quadruplet Loss for Enforcing Semantically Coherent Embeddings in
Multi-output Classification Problems [5.972927416266617]
本稿では,多出力分類問題における意味的コヒーレントな特徴埋め込みを学習するための1つの目的関数について述べる。
視覚的監視環境における識別検索と生体認証の問題点を考察する。
論文 参考訳(メタデータ) (2020-02-26T17:18:53Z)
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。