Fugu-MT 論文翻訳(概要): SU-NLP at SemEval-2022 Task 11: Complex Named Entity Recognition with Entity Linking

論文の概要: SU-NLP at SemEval-2022 Task 11: Complex Named Entity Recognition with Entity Linking

arxiv url: http://arxiv.org/abs/2203.11841v1
Date: Tue, 22 Mar 2022 16:09:34 GMT
ステータス: 処理完了
システム内更新日: 2022-03-23 14:09:52.786104
Title: SU-NLP at SemEval-2022 Task 11: Complex Named Entity Recognition with Entity Linking
Title（参考訳）: Su-NLP at SemEval-2022 Task 11: Complex Named Entity Recognition with Entity Linking
Authors: Buse \c{C}ar{\i}k, Fatih Beyhan and Reyyan Yeniterzi
Abstract要約: 我々は、ウィキペディアの助けを借りて、潜在的なエンティティの言及を検出する、教師なしエンティティリンクパイプラインを開発した。その結果,低コンテキスト環境における複雑なエンティティに対して,パイプラインの性能が大幅に向上したことがわかった。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper describes the system proposed by Sabanc{\i} University Natural Language Processing Group in the SemEval-2022 MultiCoNER task. We developed an unsupervised entity linking pipeline that detects potential entity mentions with the help of Wikipedia and also uses the corresponding Wikipedia context to help the classifier in finding the named entity type of that mention. Our results showed that our pipeline improved performance significantly, especially for complex entities in low-context settings.
Abstract（参考訳）: 本稿では,Sabanc{\i} University Natural Language Processing Groupが提案するSemEval-2022 MultiCoNERタスクについて述べる。我々は、wikipediaの助けを借りて、潜在的なエンティティ参照を検出する教師なしのエンティティリンクパイプラインを開発し、それに対応するwikipediaコンテキストを使用して、その名前付きエンティティタイプを見つけるのに役立つようにしました。その結果,低コンテキスト環境での複雑なエンティティでは,パイプラインの性能が大幅に向上した。

関連論文リスト

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)
Disambiguation of Company names via Deep Recurrent Networks [101.90357454833845]
企業名文字列の埋め込みである教師付き学習を通じて,Siamese LSTM Network を抽出する手法を提案する。私たちは、ラベル付けされるサンプルを優先するActive Learningアプローチが、より効率的な全体的な学習パイプラインをもたらす方法を分析します。
論文参考訳（メタデータ） (2023-03-07T15:07:57Z)
DAMO-NLP at NLPCC-2022 Task 2: Knowledge Enhanced Robust NER for Speech Entity Linking [32.915297772110364]
Speech Entity Linkingは、音声言語で名前付きエンティティを認識し、曖昧にすることを目的としている。従来の方法では、未発の音声スタイルや、ASRシステムによって生成されるノイズの多い書き起こしに悩まされる。本稿では,認知段階における適切な知識を無痛に取り入れることによる堅牢性向上に焦点を当てた知名強化エンティティ認識(KENER)を提案する。 NLPCC-2022共有タスク2のトラック2におけるトラック1とトラック2の1位を達成した。
論文参考訳（メタデータ） (2022-09-27T06:43:56Z)
TEAM-Atreides at SemEval-2022 Task 11: On leveraging data augmentation and ensemble to recognize complex Named Entities in Bangla [11.963792253163247]
複雑な名前付きエンティティの識別に関するSemEval 2022 Task 11へのコントリビューションについて述べる。我々は、バングラ語でのみ事前訓練された複数のELECTRAベースのモデルのアンサンブルを活用している。また、アーキテクチャ決定、データセットの強化、競合後の発見に関する実験の結果も提示します。
論文参考訳（メタデータ） (2022-04-21T08:40:17Z)
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)
LMN at SemEval-2022 Task 11: A Transformer-based System for English Named Entity Recognition [0.0]
本稿では,SemEval-2022 Task 11: Multilingual Complex Named Entity Recognition の英語トラックへの参加について述べる。事前訓練されたトランスフォーマー言語モデルの最近の進歩に触発されて,タスクのためのシンプルで効果的なトランスフォーマーベースラインを提案する。提案したアプローチは、30チーム中12チームを対象にして、リーダボードの競争結果を示しています。
論文参考訳（メタデータ） (2022-02-13T05:46:14Z)
Probing Linguistic Features of Sentence-Level Representations in Neural Relation Extraction [80.38130122127882]
ニューラルリレーション抽出(RE)に関連する言語特性を対象とした14の探索タスクを導入する。私たちは、40以上の異なるエンコーダアーキテクチャと2つのデータセットでトレーニングされた言語的特徴の組み合わせによって学習された表現を研究するためにそれらを使用します。アーキテクチャによって引き起こされるバイアスと言語的特徴の含意は、探索タスクのパフォーマンスにおいて明らかに表現されている。
論文参考訳（メタデータ） (2020-04-17T09:17:40Z)
CASE: Context-Aware Semantic Expansion [68.30244980290742]
本稿では,CASE(Context-Aware Semantic Expansion)と呼ばれる新しいタスクを定義し,検討する。セマンティックな文脈でシード項が与えられた場合、その文脈に適した他の用語をシードとして提案することを目指している。このタスクのアノテーションは,既存のコーパスから完全に自動で,大規模に抽出可能であることを示す。
論文参考訳（メタデータ） (2019-12-31T06:38:57Z)

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。