論文の概要: DAMO-NLP at SemEval-2022 Task 11: A Knowledge-based System for
Multilingual Named Entity Recognition
- arxiv url: http://arxiv.org/abs/2203.00545v1
- Date: Tue, 1 Mar 2022 15:29:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-02 13:55:28.194005
- Title: DAMO-NLP at SemEval-2022 Task 11: A Knowledge-based System for
Multilingual Named Entity Recognition
- Title（参考訳）: DAMO-NLP at SemEval-2022 Task 11: A Knowledge-based System for Multilingual Named Entity Recognition
- Authors: Xinyu Wang, Yongliang Shen, Jiong Cai, Tao Wang, Xiaobin Wang, Pengjun
Xie, Fei Huang, Weiming Lu, Yueting Zhuang, Kewei Tu, Wei Lu, Yong Jiang
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 94.1865071914727
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The MultiCoNER shared task aims at detecting semantically ambiguous and
complex named entities in short and low-context settings for multiple
languages. The lack of contexts makes the recognition of ambiguous named
entities challenging. To alleviate this issue, our team DAMO-NLP proposes a
knowledge-based system, where we build a multilingual knowledge base based on
Wikipedia to provide related context information to the named entity
recognition (NER) model. Given an input sentence, our system effectively
retrieves related contexts from the knowledge base. The original input
sentences are then augmented with such context information, allowing
significantly better contextualized token representations to be captured. Our
system wins 10 out of 13 tracks in the MultiCoNER shared task.
- Abstract（参考訳）: MultiCoNER共有タスクは、複数の言語に対する短文および低文設定において、意味的に曖昧で複雑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。
コンテキストの欠如は、あいまいな名前付きエンティティの認識を難しくする。
この問題を軽減するため、我々のチームDAMO-NLPは知識ベースシステムを提案し、ウィキペディアに基づく多言語知識ベースを構築し、名前付きエンティティ認識(NER)モデルに関連するコンテキスト情報を提供する。
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。
元の入力文はそのようなコンテキスト情報で拡張され、より優れたコンテキスト化トークン表現をキャプチャできる。
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。
関連論文リスト
- Dual Semantic Knowledge Composed Multimodal Dialog Systems [114.52730430047589]
本稿では,MDS-S2という新しいマルチモーダルタスク指向対話システムを提案する。
コンテキスト関連属性と関係知識を知識ベースから取得する。
また、合成された応答表現から意味情報を抽出するために、潜在クエリ変数のセットを考案する。
論文 参考訳（メタデータ） (2023-05-17T06:33:26Z) - PAI at SemEval-2023 Task 2: A Universal System for Named Entity
Recognition with External Entity Information [19.995198769980345]
MultiCoNER IIタスクは、低コンテキストの状況やノイズのシナリオにおいて、複雑であいまいできめ細か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。
本システムは,あるテキストの知識ベース(例えばWikipedia)からプロパティを持つエンティティを検索し,入力文でエンティティ情報を検索し,Transformerベースのモデルに入力する。
論文 参考訳（メタデータ） (2023-05-10T12:40:48Z) - DAMO-NLP at SemEval-2023 Task 2: A Unified Retrieval-augmented System
for Multilingual Named Entity Recognition [94.90258603217008]
MultiCoNER RNum2共有タスクは、細粒度でノイズの多いシナリオにおいて、多言語の名前付きエンティティ認識(NER)に取り組むことを目的としている。
MultiCoNER RNum1の以前のトップシステムは、ナレッジベースまたはガゼッタを組み込んでいる。
細粒度多言語NERのための統一検索拡張システム(U-RaNER)を提案する。
論文 参考訳（メタデータ） (2023-05-05T16:59:26Z) - IXA/Cogcomp at SemEval-2023 Task 2: Context-enriched Multilingual Named
Entity Recognition using Knowledge Bases [53.054598423181844]
3つのステップからなる新しいNERカスケードアプローチを提案する。
我々は、細粒度および新興物質を正確に分類する上で、外部知識基盤の重要性を実証的に示す。
本システムは,低リソース言語設定においても,マルチコネラ2共有タスクにおいて頑健な性能を示す。
論文 参考訳（メタデータ） (2023-04-20T20:30:34Z) - Multilingual Word Sense Disambiguation with Unified Sense Representation [55.3061179361177]
本稿では,知識と教師付き多言語単語センス曖昧化(MWSD)システムを提案する。
我々は複数の言語に統一されたセンス表現を構築し、リッチソース言語から貧しい言語へアノテーションを転送することでMWSDのアノテーション不足問題に対処する。
SemEval-13およびSemEval-15データセットの評価により,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2022-10-14T01:24:03Z) - UM6P-CS at SemEval-2022 Task 11: Enhancing Multilingual and Code-Mixed
Complex Named Entity Recognition via Pseudo Labels using Multilingual
Transformer [7.270980742378389]
提案手法を多言語複合名前認識(MultiCoNER)共有タスクに導入する。
我々は,多言語変換器 XLM-RoBERTa が提供する文脈化表現を頼りに,多言語およびコード混合クエリの複雑な NER にアプローチする。
提案システムは多言語とコード混在したMultiCoNERのトラックにおいて,それぞれ6位と8位にランクされている。
論文 参考訳（メタデータ） (2022-04-28T14:07:06Z) - kpfriends at SemEval-2022 Task 2: NEAMER -- Named Entity Augmented
Multi-word Expression Recognizer [0.6091702876917281]
このシステムは、名前付きエンティティと慣用的な表現の間で共有される非合成特性にインスパイアされている。
評価後の段階において,F1 0.9395でSOTAを達成し,トレーニング安定性の向上を観察した。
最後に,非合成的知識伝達,言語間微調整,局所性といった特徴を実験した。
論文 参考訳（メタデータ） (2022-04-17T22:58:33Z) - Contextualized Knowledge-aware Attentive Neural Network: Enhancing
Answer Selection with Knowledge [77.77684299758494]
ナレッジグラフ(KG)による外部知識による回答選択モデル向上のアプローチを幅広く検討しています。
まず、KGの外部知識とテキスト情報との密接な相互作用を考慮し、QA文表現を学習するコンテキスト知識相互作用学習フレームワークであるナレッジアウェアニューラルネットワーク(KNN)を紹介します。
KG情報の多様性と複雑性に対処するために, カスタマイズされたグラフ畳み込みネットワーク (GCN) を介して構造情報を用いた知識表現学習を改善し, コンテキストベースおよび知識ベースの文表現を総合的に学習する コンテキスト型知識認識型アテンシブニューラルネットワーク (CKANN) を提案する。
論文 参考訳（メタデータ） (2021-04-12T05:52:20Z)
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。