論文の概要: BTPK-based interpretable method for NER tasks based on Talmudic Public Announcement Logic

• arxiv url: http://arxiv.org/abs/2201.09523v2
• Date: Tue, 11 Jul 2023 03:26:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-12 19:27:15.802403
• Title: BTPK-based interpretable method for NER tasks based on Talmudic Public Announcement Logic
• Title（参考訳）: BTPKを用いたTalmudic Public Announcement Logicに基づくNERタスクの解釈法
• Authors: Yulin Chen, Beishui Liao, Bruno Bentzen, Bo Yuan, Zelai Yao, Haixiao Chi, and Dov Gabbay
• Abstract要約: そこで本稿では,BTPKという新しい解釈可能な手法を提案し,ユーザによる名前認識タスクの内部認識ロジックの理解を支援する。 我々は,BTPKの公開発表がBRNNの内部決定ロジックを示し,BTPKモデルから得られた説明は,BRNNが本質的にNERタスクをどのように扱うかを示す。
• 参考スコア（独自算出の注目度）: 8.609700014627478
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As one of the basic tasks in natural language processing (NLP), named entity recognition (NER) is an important basic tool for downstream tasks of NLP, such as information extraction, syntactic analysis, machine translation and so on. The internal operation logic of current name entity recognition model is black-box to the user, so the user has no basis to determine which name entity makes more sense. Therefore, a user-friendly explainable recognition process would be very useful for many people. In this paper, we propose a novel interpretable method, BTPK (Binary Talmudic Public Announcement Logic model), to help users understand the internal recognition logic of the name entity recognition tasks based on Talmudic Public Announcement Logic. BTPK model can also capture the semantic information in the input sentences, that is, the context dependency of the sentence. We observed the public announcement of BTPK presents the inner decision logic of BRNNs, and the explanations obtained from a BTPK model show us how BRNNs essentially handle NER tasks.
• Abstract（参考訳）: 自然言語処理における基本的なタスクの1つとして、エンティティ認識(NER)は、情報抽出、構文解析、機械翻訳など、NLPの下流タスクのための重要な基本ツールである。 現在の名前エンティティ認識モデルの内部操作ロジックは、ユーザにはブラックボックスであるため、ユーザはどの名前エンティティがより意味のあるものかを判断する根拠がない。 したがって、ユーザフレンドリーな説明可能な認識プロセスは、多くの人にとって非常に有用である。 本稿では,新しい解釈可能な手法であるbtpk(binary talmudic public announcement logic model)を提案する。 BTPKモデルは、入力文、すなわち文の文脈依存性における意味情報をキャプチャすることができる。 我々は,BTPKの公開発表がBRNNの内部決定ロジックを示し,BTPKモデルから得られた説明は,BRNNが本質的にNERタスクをどのように扱うかを示す。

関連論文リスト

• On Significance of Subword tokenization for Low Resource and Efficient Named Entity Recognition: A case study in Marathi [1.6383036433216434]
  低リソース言語のためのNERに焦点をあて、インド語Marathiの文脈におけるケーススタディを示す。 BERTベースのサブワードトークン化器をバニラCNN/LSTMモデルに統合することで,効率的なNERのためのハイブリッド手法を提案する。 従来の単語ベースのトークン化器をBERTトークン化器に置き換えるという単純なアプローチは,バニラ単層モデルの精度をBERTのような深層事前学習モデルの精度に近づけることを示す。
  論文  参考訳（メタデータ） (2023-12-03T06:53:53Z)
• Injecting linguistic knowledge into BERT for Dialogue State Tracking [60.42231674887294]
  本稿では,教師なしの枠組みを用いて言語知識を抽出する手法を提案する。 次に、この知識を用いて、対話状態追跡(DST)タスクにおけるBERTの性能と解釈可能性を高める。 このフレームワークを様々なDSTタスクでベンチマークし、精度の顕著な改善を観察する。
  論文  参考訳（メタデータ） (2023-11-27T08:38:42Z)
• Unsupervised Sentiment Analysis of Plastic Surgery Social Media Posts [91.3755431537592]
  ソーシャルメディアプラットフォームにまたがる膨大なユーザー投稿は、主に人工知能(AI)のユースケースに使われていない。 自然言語処理(NLP)は、コーパス(corpora)として知られるドキュメントの体系を利用して、人間のような言語理解でコンピュータを訓練するAIのサブフィールドである。 本研究は, 教師なし解析の応用により, コンピュータがプラスティック手術に対する否定的, 肯定的, 中立的なユーザ感情を予測できることを示した。
  論文  参考訳（メタデータ） (2023-07-05T20:16:20Z)
• MANER: Mask Augmented Named Entity Recognition for Extreme Low-Resource Languages [27.812329651072343]
  低リソース言語に対する Mask Augmented Named Entity Recognition (MANER) を提案する。 具体的には、名前付きエンティティタグを予測したい文中のすべての単語にマスク>トークンをプリペイドする。 実験によると、100のトレーニング例が少ない100の言語では、最先端のメソッドを最大48%改善し、F1スコアで平均12%改善している。
  論文  参考訳（メタデータ） (2022-12-19T18:49:50Z)
• Nested Named Entity Recognition as Holistic Structure Parsing [92.8397338250383]
  本研究は,文中の全入れ子NEを全体構造としてモデル化し,全体構造解析アルゴリズムを提案する。 実験により、我々のモデルは、最先端にアプローチしたり、あるいは達成したりするような、広く使われているベンチマークで有望な結果が得られることが示された。
  論文  参考訳（メタデータ） (2022-04-17T12:48:20Z)
• DAMO-NLP at SemEval-2022 Task 11: A Knowledge-based System for Multilingual Named Entity Recognition [94.1865071914727]
  MultiCoNERは、複数の言語に対する短文と低文設定で意味的に曖昧な名前のエンティティを検出することを目的としている。 我々のチームDAMO-NLPは知識に基づくシステムを提案し、ウィキペディアに基づく多言語知識ベースを構築する。 入力文が与えられた場合,本システムは知識ベースから関連コンテキストを効果的に検索する。 我々のシステムはMultiCoNER共有タスクで13トラック中10トラックを獲得した。
  論文  参考訳（メタデータ） (2022-03-01T15:29:35Z)
• 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)
• Distributed Word Representation in Tsetlin Machine [14.62945824459286]
  Tsetlin Machine (TM) は命題論理に基づく解釈可能なパターン認識アルゴリズムである。 tmに事前学習した単語表現を用いる新しい手法を提案する。 このアプローチはTM性能を大幅に向上させ、同時に解釈性を維持します。
  論文  参考訳（メタデータ） (2021-04-14T14:48:41Z)
• Question Answering over Knowledge Bases by Leveraging Semantic Parsing and Neuro-Symbolic Reasoning [73.00049753292316]
  本稿では,意味解析と推論に基づくニューロシンボリック質問回答システムを提案する。 NSQAはQALD-9とLC-QuAD 1.0で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） (2020-12-03T05:17:55Z)
• Domain-Transferable Method for Named Entity Recognition Task [0.6040938686276304]
  本稿では、任意の名前付きエンティティの集合に対して、ドメイン固有のNERモデルを学習する方法について述べる。 我々は、人間の努力なしに監督が得られ、ニューラルモデルが互いに学習できると仮定する。
  論文  参考訳（メタデータ） (2020-11-24T15:45:52Z)
• Interpretability Analysis for Named Entity Recognition to Understand System Predictions and How They Can Improve [49.878051587667244]
  名前付きエンティティ認識のためのLSTM-CRFアーキテクチャの性能について検討する。 文脈表現はシステムの性能に寄与するが、ハイパフォーマンスを駆動する主な要因は、名前トークン自体を学習することにある。 我々は、コンテキストのみからエンティティタイプを推測する可能性を評価するために、人間アノテーションを登録し、コンテキストのみのシステムによるエラーの大部分に対してエンティティタイプを推論することはできないが、改善の余地はいくつかある。
  論文  参考訳（メタデータ） (2020-04-09T14:37:12Z)

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。