Fugu-MT 論文翻訳(概要): A Brief History of Named Entity Recognition

論文の概要: A Brief History of Named Entity Recognition

arxiv url: http://arxiv.org/abs/2411.05057v1
Date: Thu, 07 Nov 2024 17:49:03 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-11 14:54:53.268391
Title: A Brief History of Named Entity Recognition
Title（参考訳）: 名前付きエンティティ認識の略歴
Authors: Monica Munnangi,
Abstract要約: 名前付きエンティティ認識(英: Named Entity Recognition、NER)とは、エンティティを生のテキストから抽出、曖昧化、リンクするプロセスであり、洞察に富んだ構造化された知識ベースである。我々は,NERに採用される手法の進化について検討し,教師なし学習法から教師なし学習法まで,結果を比較した。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: A large amount of information in today's world is now stored in knowledge bases. Named Entity Recognition (NER) is a process of extracting, disambiguation, and linking an entity from raw text to insightful and structured knowledge bases. More concretely, it is identifying and classifying entities in the text that are crucial for Information Extraction, Semantic Annotation, Question Answering, Ontology Population, and so on. The process of NER has evolved in the last three decades since it first appeared in 1996. In this survey, we study the evolution of techniques employed for NER and compare the results, starting from supervised to the developing unsupervised learning methods.
Abstract（参考訳）: 現在、世界の膨大な情報が知識ベースに保存されている。名前付きエンティティ認識(英: Named Entity Recognition、NER)とは、エンティティを生のテキストから抽出、曖昧化、リンクするプロセスであり、洞察に富んだ構造化された知識ベースである。より具体的には、情報抽出、セマンティックアノテーション、質問回答、オントロジー・ポピュレーション等に不可欠なテキスト中のエンティティを識別し分類することである。 NERのプロセスは1996年に初めて登場した過去30年間に進化してきた。本研究では,NERが採用する手法の進化について検討し,教師なし学習法から教師なし学習法までの結果を比較した。

関連論文リスト

On the Element-Wise Representation and Reasoning in Zero-Shot Image Recognition: A Systematic Survey [82.49623756124357]
ゼロショット画像認識(ZSIR)は、目に見えない領域の認識と推論をモデルに与えることを目的としている。本稿では,近年の素子ワイドZSIRの進歩について概説する。まず、オブジェクト認識、合成認識、基礎モデルに基づくオープンワールド認識という3つの基本的なZSIRタスクを、統一された要素的視点に統合する。
論文参考訳（メタデータ） (2024-08-09T05:49:21Z)
Exploiting the Semantic Knowledge of Pre-trained Text-Encoders for Continual Learning [70.64617500380287]
継続的な学習は、モデルが学習した知識を維持しながら、新しいデータから学習することを可能にする。画像のラベル情報で利用できるセマンティック知識は、以前に取得したセマンティッククラスの知識と関連する重要なセマンティック情報を提供する。テキスト埋め込みを用いて意味的類似性を把握し,タスク内およびタスク間のセマンティックガイダンスの統合を提案する。
論文参考訳（メタデータ） (2024-08-02T07:51:44Z)
A Few-Shot Learning Focused Survey on Recent Named Entity Recognition and Relation Classification Methods [0.0]
本稿では、エンティティ認識と関係分類に対処する最近のディープラーニングモデルについて調査する。本調査は,テキストマイニングの最近の技術を知る研究者や,生テキストから構造化情報を取り出す研究者に有用である。
論文参考訳（メタデータ） (2023-10-29T16:02:46Z)
Beyond Factuality: A Comprehensive Evaluation of Large Language Models as Knowledge Generators [78.63553017938911]
大規模言語モデル(LLM)は、下流の知識集約タスクのための情報検索技術より優れている。しかし、コミュニティの懸念は、この無検閲の知識を使用することの事実と潜在的意味について多岐にわたる。本研究では,6つの重要な視点から生成した知識を評価するために設計されたCONNERを紹介する。
論文参考訳（メタデータ） (2023-10-11T08:22:37Z)
Evolving Knowledge Mining for Class Incremental Segmentation [113.59611699693092]
クラスインクリメンタルセマンティック(CISS)は、最近、現実世界のアプリケーションにおいて大きな重要性があるため、トレンドとなっている。冷凍バックボーンを用いた新規なkNowleDgeマイニング法を提案する。提案手法を2つの広く使用されているベンチマークで評価し,新しい最先端性能を一貫して示す。
論文参考訳（メタデータ） (2023-06-03T07:03:15Z)
Towards Data-and Knowledge-Driven Artificial Intelligence: A Survey on Neuro-Symbolic Computing [73.0977635031713]
ニューラルシンボリック・コンピューティング(NeSy)は、人工知能(AI)の活発な研究領域である。 NeSyは、ニューラルネットワークにおける記号表現の推論と解釈可能性の利点と堅牢な学習の整合性を示す。
論文参考訳（メタデータ） (2022-10-28T04:38:10Z)
Embedding Knowledge for Document Summarization: A Survey [66.76415502727802]
従来の研究は、知識を組み込んだ文書要約器が優れた消化器を生成するのに優れていたことを証明した。本稿では,文書要約ビューに基づいて,知識と知識の埋め込みを再カプセル化する手法を提案する。
論文参考訳（メタデータ） (2022-04-24T04:36:07Z)
Computer Science Named Entity Recognition in the Open Research Knowledge Graph [0.0]
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。
論文参考訳（メタデータ） (2022-03-28T08:44:43Z)
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)
Recent Trends in Named Entity Recognition (NER) [0.0]
我々は近年,NERに採用されている重要な学習手法を概観する。また、NERに上流または下流にある関連するタスクの進捗についても取り上げる。
論文参考訳（メタデータ） (2021-01-25T14:18:24Z)
A Data-Driven Study of Commonsense Knowledge using the ConceptNet Knowledge Base [8.591839265985412]
汎用人工知能(AI)の実現における重要なフロンティアとして,コモンセンス知識と推論の獲得が認められている。本稿では,コンセプションネットの知識基盤を実証的かつ構造的に分析することにより,コモンセンス知識のより深い理解を可能にする体系的な研究を提案し,実施する。最先端の教師なしグラフ表現学習(「埋め込み」)とクラスタリング技術を用いて、慎重に設計された3つの研究課題に関する詳細な実験結果から、ConceptNet関係の深いサブ構造を明らかにする。
論文参考訳（メタデータ） (2020-11-28T08:08:25Z)

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。