論文の概要: Unified Lattice Graph Fusion for Chinese Named Entity Recognition
- arxiv url: http://arxiv.org/abs/2312.16917v1
- Date: Thu, 28 Dec 2023 09:31:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-29 16:49:14.096219
- Title: Unified Lattice Graph Fusion for Chinese Named Entity Recognition
- Title(参考訳): 中国名付きエンティティ認識のための統一格子グラフ融合
- Authors: Dixiang Zhang, Junyu Lu, Pingjian Zhang
- Abstract要約: 中国語のエンティティ認識のための統一格子グラフ融合(ULGF)手法を提案する。
ノード表現を学習するために反復的にセマンティックな相互作用を実行する複数のグラフベースのイントラソース自己アテンションとソース間相互ゲージ融合層を積み重ねる。
- 参考スコア(独自算出の注目度): 9.863877505377165
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Integrating lexicon into character-level sequence has been proven effective
to leverage word boundary and semantic information in Chinese named entity
recognition (NER). However, prior approaches usually utilize feature weighting
and position coupling to integrate word information, but ignore the semantic
and contextual correspondence between the fine-grained semantic units in the
character-word space. To solve this issue, we propose a Unified Lattice Graph
Fusion (ULGF) approach for Chinese NER. ULGF can explicitly capture various
semantic and boundary relations across different semantic units with the
adjacency matrix by converting the lattice structure into a unified graph. We
stack multiple graph-based intra-source self-attention and inter-source
cross-gating fusion layers that iteratively carry out semantic interactions to
learn node representations. To alleviate the over-reliance on word information,
we further propose to leverage lexicon entity classification as an auxiliary
task. Experiments on four Chinese NER benchmark datasets demonstrate the
superiority of our ULGF approach.
- Abstract(参考訳): 文字レベルシーケンスへのレキシコンの統合は、中国語名付きエンティティ認識(ner)における単語境界と意味情報の活用に効果的であることが証明されている。
しかしながら、従来のアプローチでは、通常、単語情報を統合するために特徴重み付けと位置結合を用いるが、文字-単語空間におけるきめ細かい意味単位間の意味的および文脈的対応は無視する。
この問題を解決するために,中国NERのための統一格子グラフ融合(ULGF)手法を提案する。
ULGFは、格子構造を統一グラフに変換することにより、様々なセマンティックユニットと隣接行列との様々なセマンティックおよび境界関係を明示的に捉えることができる。
ノード表現を学習するために、複数のグラフベースのイントラソース自己アテンションと、反復的にセマンティックな相互作用を実行するソース間融合層を積み重ねる。
さらに,単語情報に対する過度な依存を軽減するために,辞書エンティティ分類を補助課題として活用することを提案する。
4つの中国のNERベンチマークデータセットの実験は、ULGFアプローチの優位性を実証している。
関連論文リスト
- SeCG: Semantic-Enhanced 3D Visual Grounding via Cross-modal Graph
Attention [19.23636231942245]
設計したメモリグラフアテンション層を用いたグラフネットワークに基づくセマンティック・エンハンスド・リレーショナル学習モデルを提案する。
本手法は,従来の言語に依存しないエンコーディングを,視覚解析におけるクロスモーダルエンコーディングに置き換える。
ReferIt3D と ScanRefer のベンチマーク実験の結果,提案手法は既存の最先端手法よりも優れていた。
論文 参考訳(メタデータ) (2024-03-13T02:11:04Z) - mCL-NER: Cross-Lingual Named Entity Recognition via Multi-view
Contrastive Learning [54.523172171533645]
CrossNERは多言語コーパスの不足により不均一な性能から生じる課題に直面している。
言語横断的名前付きエンティティ認識(mCL-NER)のためのマルチビューコントラスト学習を提案する。
40言語にまたがるXTREMEベンチマーク実験では、従来のデータ駆動型およびモデルベースアプローチよりもmCL-NERの方が優れていることを示した。
論文 参考訳(メタデータ) (2023-08-17T16:02:29Z) - Target-oriented Sentiment Classification with Sequential Cross-modal
Semantic Graph [27.77392307623526]
マルチモーダル・アスペクトベース感情分類(マルチモーダル・アスペクトベース感情分類、英: Multi-modal aspect-based sentiment classification、MABSC)は、文と画像に言及された対象エンティティの感情を分類するタスクである。
以前の手法では、画像とテキストの微妙なセマンティックな関連を考慮できなかった。
本稿では,シーケンシャルなクロスモーダルなセマンティックグラフを用いたエンコーダ・デコーダの感情分類フレームワークであるSeqCSGを提案する。
論文 参考訳(メタデータ) (2022-08-19T16:04:29Z) - Multilingual Extraction and Categorization of Lexical Collocations with
Graph-aware Transformers [86.64972552583941]
我々は,グラフ対応トランスフォーマアーキテクチャにより拡張されたBERTに基づくシーケンスタグ付けモデルを提案し,コンテキストにおけるコロケーション認識の課題について評価した。
以上の結果から, モデルアーキテクチャにおける構文的依存関係を明示的に符号化することは有用であり, 英語, スペイン語, フランス語におけるコロケーションのタイプ化の差異について考察する。
論文 参考訳(メタデータ) (2022-05-23T16:47:37Z) - Graph Adaptive Semantic Transfer for Cross-domain Sentiment
Classification [68.06496970320595]
クロスドメイン感情分類(CDSC)は、ソースドメインから学んだ伝達可能なセマンティクスを使用して、ラベルなしのターゲットドメインにおけるレビューの感情を予測することを目的としている。
本稿では、単語列と構文グラフの両方からドメイン不変セマンティクスを学習できる適応型構文グラフ埋め込み法であるグラフ適応意味伝達(GAST)モデルを提案する。
論文 参考訳(メタデータ) (2022-05-18T07:47:01Z) - Transformer-based Dual Relation Graph for Multi-label Image Recognition [56.12543717723385]
本稿では,トランスフォーマーをベースとしたデュアルリレーショナル学習フレームワークを提案する。
相関の2つの側面、すなわち構造関係グラフと意味関係グラフについて検討する。
提案手法は,2つのポピュラーなマルチラベル認識ベンチマークにおいて,最先端性を実現する。
論文 参考訳(メタデータ) (2021-10-10T07:14:52Z) - Text Information Aggregation with Centrality Attention [86.91922440508576]
本稿では, 固有中央集権自己注意という, 集権重み付けの新たな方法を提案する。
文中のすべての単語に対する完全連結グラフを構築し,各単語の注意点として固有中央性を計算する。
論文 参考訳(メタデータ) (2020-11-16T13:08:48Z) - Joint Semantic Analysis with Document-Level Cross-Task Coherence Rewards [13.753240692520098]
本稿では,共用コア参照解決のためのニューラルネットワークアーキテクチャと,英語のセマンティックロールラベリングについて述べる。
我々は、文書と意味的アノテーション間のグローバルコヒーレンスを促進するために強化学習を使用します。
これにより、異なるドメインからの複数のデータセットにおける両方のタスクが改善される。
論文 参考訳(メタデータ) (2020-10-12T09:36:24Z) - Jointly Cross- and Self-Modal Graph Attention Network for Query-Based
Moment Localization [77.21951145754065]
本稿では,共同グラフを渡る反復的メッセージのプロセスとして,このタスクをリキャストするクロスモーダルグラフ注意ネットワーク(CSMGAN)を提案する。
CSMGANは2つのモード間の高次相互作用を効果的に捉えることができ、より正確な局所化を可能にします。
論文 参考訳(メタデータ) (2020-08-04T08:25:24Z)
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。