Fugu-MT 論文翻訳(概要): Gazetteer-Enhanced Bangla Named Entity Recognition with BanglaBERT Semantic Embeddings K-Means-Infused CRF Model

論文の概要: Gazetteer-Enhanced Bangla Named Entity Recognition with BanglaBERT Semantic Embeddings K-Means-Infused CRF Model

arxiv url: http://arxiv.org/abs/2401.17206v1
Date: Tue, 30 Jan 2024 17:47:07 GMT
ステータス: 処理完了
システム内更新日: 2024-01-31 13:55:30.558047
Title: Gazetteer-Enhanced Bangla Named Entity Recognition with BanglaBERT Semantic Embeddings K-Means-Infused CRF Model
Title（参考訳）: BanglaBERT Semantic Embeddings K-Means-Infused CRF Model を用いたGazetteer-Enhanced Bangla Named Entity Recognition
Authors: Niloy Farhan, Saman Sarker Joy, Tafseer Binte Mannan, Farig Sadeque
Abstract要約: 我々は,Bangla Named Entity Recognitionにおける既存の研究状況を調査した。 NERの性能を大幅に向上するガゼッタを開発した。また,従来の手法よりも優れた最先端のNLPツールを活用することで,新たなNERソリューションを提案する。
参考スコア（独自算出の注目度）: 0.35502600490147196
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Named Entity Recognition (NER) is a sub-task of Natural Language Processing (NLP) that distinguishes entities from unorganized text into predefined categorization. In recent years, a lot of Bangla NLP subtasks have received quite a lot of attention; but Named Entity Recognition in Bangla still lags behind. In this research, we explored the existing state of research in Bangla Named Entity Recognition. We tried to figure out the limitations that current techniques and datasets face, and we would like to address these limitations in our research. Additionally, We developed a Gazetteer that has the ability to significantly boost the performance of NER. We also proposed a new NER solution by taking advantage of state-of-the-art NLP tools that outperform conventional techniques.
Abstract（参考訳）: 名前付きエンティティ認識(NER)は自然言語処理(NLP)のサブタスクであり、エンティティを未整理のテキストから事前定義された分類に区別する。近年、多くの Bangla NLP サブタスクが注目されているが、Bangla の Named Entity Recognition はまだ遅れを取っている。本研究では,バングラデシュにおけるエンティティ認識研究の現状について検討した。私たちは、現在の技術とデータセットが直面する制限を解明しようとしました。さらに,nerの性能を著しく向上させることのできるガゼッタを開発した。また,従来の手法よりも優れた最先端のNLPツールを活用することで,新たなNERソリューションを提案する。

関連論文リスト

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)
Incorporating Class-based Language Model for Named Entity Recognition in Factorized Neural Transducer [50.572974726351504]
クラスベースのLMをFNTに組み込んだ新しいE2EモデルであるC-FNTを提案する。 C-FNTでは、名前付きエンティティのLMスコアは、その表面形式の代わりに名前クラスに関連付けることができる。実験の結果,提案したC-FNTは,単語認識の性能を損なうことなく,名前付きエンティティの誤りを著しく低減することがわかった。
論文参考訳（メタデータ） (2023-09-14T12:14:49Z)
Gaussian Prior Reinforcement Learning for Nested Named Entity Recognition [52.46740830977898]
GPRLと呼ばれる新しいSeq2seqモデルを提案し、ネストしたNERタスクをエンティティ三重項列生成プロセスとして定式化する。 3つのネストされたNERデータセットの実験では、GPRLが以前のネストされたNERモデルより優れていることが示されている。
論文参考訳（メタデータ） (2023-05-12T05:55:34Z)
GlobalNER: Incorporating Non-local Information into Named Entity Recognition [5.469841541565308]
本研究は,特にNERにおいて,DNNに基づくクエリ生成手法とBERTScoreに基づく参照型再ランクアーキテクチャの有効性を示す。最終的に、WNUT17データセット上の61.56マイクロf1スコアの最先端のパフォーマンスが達成される。
論文参考訳（メタデータ） (2023-03-06T06:20:55Z)
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)
Improving Chinese Named Entity Recognition by Search Engine Augmentation [2.971423962840551]
そこで我々は,中国語NERのサーチエンジンから外部知識を用いて意味拡張を行うニューラルネットワークアプローチを提案する。特に、検索エンジンから検索した外部関連テキストを集約する拡張入力表現を生成するために、多チャンネル意味融合モデルを採用する。
論文参考訳（メタデータ） (2022-10-23T08:42:05Z)
Entity Disambiguation with Entity Definitions [50.01142092276296]
ローカルモデルはEntity Disambiguation (ED)で最近驚くべきパフォーマンスを達成したそれまでの研究は、各候補者のテキスト表現として、ウィキペディアのタイトルのみを使うことに限られていた。本稿では、この制限に対処し、より表現力のあるテキスト表現がそれを緩和できる範囲について検討する。提案する6つのベンチマークのうち2つに新たな技術の現状を報告し,未知のパターンに対する一般化能力を強く改善する。
論文参考訳（メタデータ） (2022-10-11T17:46:28Z)
Number Entity Recognition [65.80137628972312]
番号は他のワードトークンと同様に、自然言語処理(NLP)モデルを構築し、デプロイするテキストの必須コンポーネントである。本研究では、最先端のNLPモデルの可能性を活用し、関連するタスクにおける性能向上能力の伝達を試みる。提案した数値をエンティティに分類することで,手作りのFill-In-The-Blank (FITB)タスクや,関節埋め込みを用いた質問応答など,NLPモデルの性能が向上する。
論文参考訳（メタデータ） (2022-05-07T05:22:43Z)
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)
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)
Example-Based Named Entity Recognition [25.055684043158504]
少ないデータの存在下で、名前付きエンティティ認識(NER)に対する新しいアプローチを提案する。列車なしの少数ショット学習アプローチは、質問応答からインスピレーションを得て、新しい、目に見えない領域のエンティティスパンを識別する。
論文参考訳（メタデータ） (2020-08-24T17:18:24Z)

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。