論文の概要: Computer Science Named Entity Recognition in the Open Research Knowledge
Graph
- arxiv url: http://arxiv.org/abs/2203.14579v1
- Date: Mon, 28 Mar 2022 08:44:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-30 03:39:33.190044
- Title: Computer Science Named Entity Recognition in the Open Research Knowledge
Graph
- Title（参考訳）: オープンリサーチナレッジグラフにおけるエンティティ認識というコンピュータサイエンス
- Authors: Jennifer D'Souza and S\"oren Auer
- Abstract要約: 本研究は7つの貢献中心の学術団体の集合を定義することで標準化された課題を提案する。
記事のタイトルや要約から、何千ものコントリビューション中心のエンティティアノテーションを提供する。
また、一般的なドメインNERタスクから、最先端のニューラルアーキテクチャにインスパイアされたCS NERモデルをラベル付けするシーケンスをトレーニングする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Domain-specific named entity recognition (NER) on Computer Science (CS)
scholarly articles is an information extraction task that is arguably more
challenging for the various annotation aims that can beset the task and has
been less studied than NER in the general domain. Given that significant
progress has been made on NER, we believe that scholarly domain-specific NER
will receive increasing attention in the years to come. Currently, progress on
CS NER -- the focus of this work -- is hampered in part by its recency and the
lack of a standardized annotation aim for scientific entities/terms. This work
proposes a standardized task by defining a set of seven contribution-centric
scholarly entities for CS NER viz., research problem, solution, resource,
language, tool, method, and dataset. Following which, its main contributions
are: combines existing CS NER resources that maintain their annotation focus on
the set or subset of contribution-centric scholarly entities we consider;
further, noting the need for big data to train neural NER models, this work
additionally supplies thousands of contribution-centric entity annotations from
article titles and abstracts, thus releasing a cumulative large novel resource
for CS NER; and, finally, trains a sequence labeling CS NER model inspired
after state-of-the-art neural architectures from the general domain NER task.
Throughout the work, several practical considerations are made which can be
useful to information technology designers of the digital libraries.
- Abstract（参考訳）: コンピュータサイエンス(CS)の学術論文におけるドメイン固有の名前付きエンティティ認識(NER)は、タスクをセットできる様々なアノテーションの目的に対して明らかに困難であり、一般的なドメインではNERよりもあまり研究されていない情報抽出タスクである。
NERに大きな進展が見られたことを踏まえると、学術的な領域固有のNERは今後数年で注目されるだろうと考えている。
現在、この研究の焦点であるCS NERの進歩は、その正確さと、科学的実体や期間を目標とする標準化されたアノテーションの欠如によって部分的に妨げられている。
本研究は,CS NERビズ,研究問題,ソリューション,資源,言語,ツール,方法,データセットの7つの貢献中心の学術エンティティのセットを定義することで標準化されたタスクを提案する。
Following which, its main contributions are: combines existing CS NER resources that maintain their annotation focus on the set or subset of contribution-centric scholarly entities we consider; further, noting the need for big data to train neural NER models, this work additionally supplies thousands of contribution-centric entity annotations from article titles and abstracts, thus releasing a cumulative large novel resource for CS NER; and, finally, trains a sequence labeling CS NER model inspired after state-of-the-art neural architectures from the general domain NER task.
本研究を通じて,デジタル図書館の情報技術設計者にとって有用ないくつかの実践的考察がなされている。
関連論文リスト
- NanoNER: Named Entity Recognition for nanobiology using experts'
knowledge and distant supervision [0.0]
ナノバイオロジーのための名前付きエンティティ認識モデルであるNanoNERのトレーニングと評価について述べる。
本モデルの目的は,これまでドメインの専門家が認識していたエンティティを,ドメインの本質的な知識を構成するものとして認識することである。
728のフルテキストナノバイオロジー論文の全コーパスにおいて、NanoNERは、既知物質の認識に関するF1スコア0.98を得た。
論文 参考訳（メタデータ） (2024-01-30T09:10:53Z) - NERetrieve: Dataset for Next Generation Named Entity Recognition and
Retrieval [49.827932299460514]
我々は、大きな言語モデルによって提供される能力は、NER研究の終わりではなく、むしろエキサイティングな始まりであると主張する。
我々は、NERタスクの3つの変種と、それらをサポートするデータセットを示す。
500のエンティティタイプをカバーする400万段落の,大規模で銀の注釈付きコーパスを提供する。
論文 参考訳（メタデータ） (2023-10-22T12:23:00Z) - Comprehensive Overview of Named Entity Recognition: Models,
Domain-Specific Applications and Challenges [0.0]
この研究は、従来のルールベースの戦略から、トランスフォーマーアーキテクチャの現代的な驚異まで、幅広いテクニックを網羅している。
この物語は、金融、法律、医療といった複雑な分野に適したドメイン固有のNERモデルをアクセントし、特殊適応性を強調している。
この論文は、金融やバイオメディシンといった分野におけるNERの役割に光を当て、それらが抱える固有の課題に対処する。
論文 参考訳（メタデータ） (2023-09-25T12:23:37Z) - Named Entity Recognition via Machine Reading Comprehension: A Multi-Task
Learning Approach [50.12455129619845]
Named Entity Recognition (NER) は、テキスト内のエンティティの参照を事前に定義された型に抽出し、分類することを目的としている。
我々は,MRCベースのNERを改善するために,エンティティタイプ間のラベル依存性をマルチタスク学習フレームワークに組み込むことを提案する。
論文 参考訳（メタデータ） (2023-09-20T03:15:05Z) - 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) - Dynamic Named Entity Recognition [5.9401550252715865]
動的名前付きエンティティ認識(DNER)という新しいタスクを紹介します。
DNERは、コンテキストを利用してエンティティを抽出するアルゴリズムの能力を評価するためのフレームワークを提供する。
本稿では,本課題に関連する課題と研究軸を反映したベースラインモデルと実験結果について述べる。
論文 参考訳（メタデータ） (2023-02-16T15:50:02Z) - 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) - 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) - Empirical Study of Named Entity Recognition Performance Using
Distribution-aware Word Embedding [15.955385058787348]
そこで我々は,NERフレームワークにおける分散情報を利用するために,分散対応単語埋め込みを開発し,三つの異なる手法を実装した。
単語特異性が既存のNERメソッドに組み込まれれば、NERのパフォーマンスが向上する。
論文 参考訳（メタデータ） (2021-09-03T17:28:04Z) - 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) - Rethinking Generalization of Neural Models: A Named Entity Recognition
Case Study [81.11161697133095]
NERタスクをテストベッドとして、異なる視点から既存モデルの一般化挙動を分析する。
詳細な分析による実験は、既存のニューラルNERモデルのボトルネックを診断する。
本論文の副産物として,最近のNER論文の包括的要約を含むプロジェクトをオープンソース化した。
論文 参考訳（メタデータ） (2020-01-12T04:33:53Z)
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。