論文の概要: Few-shot Named Entity Recognition with Self-describing Networks

• arxiv url: http://arxiv.org/abs/2203.12252v1
• Date: Wed, 23 Mar 2022 07:56:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-25 03:16:45.855445
• Title: Few-shot Named Entity Recognition with Self-describing Networks
• Title（参考訳）: 自己記述型ネットワークを用いたエンティティ認識
• Authors: Jiawei Chen, Qing Liu, Hongyu Lin, Xianpei Han, Le Sun
• Abstract要約: NERは限られたインスタンスから情報を効果的に取得し、外部リソースから有用な知識を転送する必要がある。 本稿では, 実例を効果的に活用し, 外部資源からの知識の伝達を正確に行うことができる, 少数ショットNERの自己記述機構を提案する。
• 参考スコア（独自算出の注目度）: 39.52272758784328
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Few-shot NER needs to effectively capture information from limited instances and transfer useful knowledge from external resources. In this paper, we propose a self-describing mechanism for few-shot NER, which can effectively leverage illustrative instances and precisely transfer knowledge from external resources by describing both entity types and mentions using a universal concept set. Specifically, we design Self-describing Networks (SDNet), a Seq2Seq generation model which can universally describe mentions using concepts, automatically map novel entity types to concepts, and adaptively recognize entities on-demand. We pre-train SDNet with large-scale corpus, and conduct experiments on 8 benchmarks from different domains. Experiments show that SDNet achieves competitive performances on all benchmarks and achieves the new state-of-the-art on 6 benchmarks, which demonstrates its effectiveness and robustness.
• Abstract（参考訳）: NERは限られたインスタンスから情報を効果的に取得し、外部リソースから有用な知識を転送する必要がある。 本稿では,表現型インスタンスを効果的に活用し,外部資源からの知識の伝達を,普遍的な概念セットを用いて表現することにより行う,少数ショットnerの自己記述機構を提案する。 具体的には、seq2seq生成モデルである自己記述ネットワーク(sdnet)を設計し、概念を用いて言及を普遍的に記述し、新しいエンティティタイプを概念に自動マッピングし、オンデマンドでエンティティを適応的に認識する。 大規模なコーパスでSDNetを事前トレーニングし、異なるドメインから8つのベンチマークで実験を行う。 実験によると、SDNetはすべてのベンチマークで競争力を発揮し、新しい最先端の6つのベンチマークを実現している。

関連論文リスト

• Towards Better Visualizing the Decision Basis of Networks via Unfold and Conquer Attribution Guidance [29.016425469068587]
  本稿では,ネットワーク決定の妥当性を高める新しいフレームワークUnfold and Conquer Guidance(UCAG)を提案する。 UCAGは画像のスライスに対する自信に順応し、豊富な明確な解釈をもたらす。 いくつかのメトリクスで性能を検証するために、多数の評価を行います。
  論文  参考訳（メタデータ） (2023-12-21T03:43:19Z)
• 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)
• Batch-Ensemble Stochastic Neural Networks for Out-of-Distribution Detection [55.028065567756066]
  Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイすることの重要性から、マシンラーニングコミュニティから注目を集めている。 本稿では,特徴量の分布をモデル化した不確実な定量化手法を提案する。 バッチアンサンブルニューラルネットワーク(BE-SNN)の構築と機能崩壊問題の克服を目的として,効率的なアンサンブル機構,すなわちバッチアンサンブルを組み込んだ。 We show that BE-SNNs yield superior performance on the Two-Moons dataset, the FashionMNIST vs MNIST dataset, FashionM。
  論文  参考訳（メタデータ） (2022-06-26T16:00:22Z)
• MINER: Improving Out-of-Vocabulary Named Entity Recognition from an Information Theoretic Perspective [57.19660234992812]
  NERモデルは標準のNERベンチマークで有望な性能を達成した。 近年の研究では、従来のアプローチはエンティティ参照情報に過度に依存し、OoV(out-of-vocabulary)エンティティ認識の性能が劣っていることが示されている。 我々は、情報理論の観点からこの問題を改善するための新しいNER学習フレームワークであるMINERを提案する。
  論文  参考訳（メタデータ） (2022-04-09T05:18:20Z)
• ADVISE: ADaptive Feature Relevance and VISual Explanations for Convolutional Neural Networks [0.745554610293091]
  本稿では,機能マップの各ユニットの関連性を定量化し,活用して視覚的説明を提供する新しい説明可能性手法であるADVISEを紹介する。 我々は、画像分類タスクにおいて、AlexNet、VGG16、ResNet50、XceptionをImageNetで事前訓練した上で、我々のアイデアを広く評価する。 さらに,ADVISEは衛生チェックをパスしながら,感度および実装独立性公理を満たすことを示す。
  論文  参考訳（メタデータ） (2022-03-02T18:16:57Z)
• Simple Questions Generate Named Entity Recognition Datasets [18.743889213075274]
  この研究は、単純な自然言語の質問によってNERデータセットを自動的に生成する、要求対生成のアプローチを導入している。 我々のモデルは、4つの異なる領域にわたる6つのNERベンチマークにおいて、以前の弱い教師付きモデルよりも大幅に優れています。 自然言語でNERのニーズを定式化することで、アワードのようなきめ細かいエンティティタイプのためのNERモデルを構築することもできます。
  論文  参考訳（メタデータ） (2021-12-16T11:44:38Z)
• SOE-Net: A Self-Attention and Orientation Encoding Network for Point Cloud based Place Recognition [50.9889997200743]
  我々は、自己アテンション・指向性符号化ネットワーク(SOE-Net)を用いて、ポイントクラウドデータから位置認識する問題に取り組む。 SOE-Netは、ポイント間の関係を完全に探求し、長距離コンテキストをポイントワイドなローカル記述子に組み込む。 様々なベンチマークデータセットの実験では、現在の最先端アプローチよりも提案したネットワークの性能が優れていることが示されている。
  論文  参考訳（メタデータ） (2020-11-24T22:28:25Z)
• Adaptive Attentional Network for Few-Shot Knowledge Graph Completion [16.722373937828117]
  Few-shot Knowledge Graph (KG) の完成は、現在の研究の焦点であり、各タスクは、数少ない参照エンティティペアを考えると、関係の見えない事実をクエリすることを目的としている。 最近の試みでは、エンティティと参照の静的表現を学習し、それらの動的特性を無視してこの問題を解決している。 本研究は,適応実体と参照表現を学習することにより,数ショットのKG補完のための適応的注意ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-10-19T16:27:48Z)
• Entity Candidate Network for Whole-Aware Named Entity Recognition [0.0]
  名前付きエンティティ認識(NER)は自然言語処理(NLP)において重要な上流タスクである 本論文では,NER をオブジェクト検出タスクとする新しい非タグ方式である Whole-Aware Detection を提案する。 ECNetは最高精度と最高リコールの間で調整可能であるが、タグスキームのアプローチはそうではない。
  論文  参考訳（メタデータ） (2020-04-29T12:47:02Z)
• SideInfNet: A Deep Neural Network for Semi-Automatic Semantic Segmentation with Side Information [83.03179580646324]
  本稿では,新たなディープニューラルネットワークアーキテクチャであるSideInfNetを提案する。 画像から学習した機能とユーザアノテーションから抽出したサイド情報を統合する。 提案手法を評価するために,提案したネットワークを3つのセマンティックセグメンテーションタスクに適用し,ベンチマークデータセットに対する広範な実験を行った。
  論文  参考訳（メタデータ） (2020-02-07T06:10:54Z)

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。