Fugu-MT 論文翻訳(概要): HREB-CRF: Hierarchical Reduced-bias EMA for Chinese Named Entity Recognition

論文の概要: HREB-CRF: Hierarchical Reduced-bias EMA for Chinese Named Entity Recognition

arxiv url: http://arxiv.org/abs/2503.01217v1
Date: Mon, 03 Mar 2025 06:31:52 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-05 19:24:35.068738
Title: HREB-CRF: Hierarchical Reduced-bias EMA for Chinese Named Entity Recognition
Title（参考訳）: HREB-CRF:中国語名前付きエンティティ認識のための階層型還元バイアスEMA
Authors: Sijin Sun, Ming Deng, Xinrui Yu, Liangbin Zhao,
Abstract要約: 本稿では,HREB-CRFフレームワークを提案する。提案手法は単語境界を増幅し,局所的および大域的階層的注意の指数的固定バイアス重み付き平均値を用いて長文勾配をプールする。
参考スコア（独自算出の注目度）: 3.562368079040469
License:
Abstract: Incorrect boundary division, complex semantic representation, and differences in pronunciation and meaning often lead to errors in Chinese Named Entity Recognition(CNER). To address these issues, this paper proposes HREB-CRF framework: Hierarchical Reduced-bias EMA with CRF. The proposed method amplifies word boundaries and pools long text gradients through exponentially fixed-bias weighted average of local and global hierarchical attention. Experimental results on the MSRA, Resume, and Weibo datasets show excellent in F1, outperforming the baseline model by 1.1\%, 1.6\%, and 9.8\%. The significant improvement in F1 shows evidences of strong effectiveness and robustness of approach in CNER tasks.
Abstract（参考訳）: 不正確な境界分割、複雑な意味表現、発音と意味の違いは、しばしば中国の名前付きエンティティ認識(CNER)における誤りにつながる。これらの課題に対処するために,HREB-CRFフレームワークを提案する。提案手法は単語境界を増幅し,局所的および大域的階層的注意の指数的固定バイアス重み付き平均値を用いて長文勾配をプールする。 MSRA、Resume、Weiboのデータセットの実験結果はF1に優れており、ベースラインモデルでは1.1\%、1.6\%、9.8\%を上回っている。 F1の大幅な改善は、CNERタスクにおけるアプローチの有効性と堅牢性を示す証拠である。

関連論文リスト

Efficient Redundancy Reduction for Open-Vocabulary Semantic Segmentation [36.46163240168576]
Open-vocabulary semantic segmentation (OVSS)は、任意のテキスト記述によって定義された特定のクラスに画像内の各ピクセルを割り当てることを目的としたオープンワールドタスクである。大規模視覚言語モデルの最近の進歩は、そのオープン語彙理解能力を示している。本研究では, 冗長性を効果的に低減し, 精度と効率のバランスをとる新しいフレームワークであるERR-Segを紹介する。
論文参考訳（メタデータ） (2025-01-29T13:24:53Z)
Chasing Fairness in Graphs: A GNN Architecture Perspective [73.43111851492593]
グラフニューラルネットワーク(GNN)の統一最適化フレームワーク内で設計されたtextsfFair textsfMessage textsfPassing(FMP)を提案する。 FMPでは、アグリゲーションがまず隣人の情報を活用するために採用され、バイアス軽減ステップにより、人口集団ノードのプレゼンテーションセンタが明示的に統合される。ノード分類タスクの実験により、提案されたFMPは、実世界の3つのデータセットの公平性と正確性の観点から、いくつかのベースラインを上回っていることが示された。
論文参考訳（メタデータ） (2023-12-19T18:00:15Z)
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)
Mutual Reinforcement Effects in Japanese Sentence Classification and Named Entity Recognition Tasks [0.0]
文分類(SC)と名前付きエンティティ認識(NER)のためのSLGフレームワークを開発する。フォーマット変換器を用いて、入力形式を統一し、生成モデルを用いてSCラベル、NERラベル、および関連するテキストセグメントを生成する。その結果、SCの精度はSCNMで1.13ポイント、NERで1.06ポイント向上し、CMはフォーマットの精度を63.61から100に引き上げた。
論文参考訳（メタデータ） (2023-07-18T14:30:36Z)
Magic ELF: Image Deraining Meets Association Learning and Transformer [63.761812092934576]
本稿では,CNN と Transformer を統合化して,画像デライニングにおける学習のメリットを活用することを目的とする。降雨除去と背景復旧を関連づける新しいマルチインプット・アテンション・モジュール (MAM) を提案する。提案手法(ELF)は,最先端手法(MPRNet)を平均0.25dB向上させる。
論文参考訳（メタデータ） (2022-07-21T12:50:54Z)
Optimizing Two-way Partial AUC with an End-to-end Framework [154.47590401735323]
ROC曲線のエリア(AUC)は、機械学習にとって重要な指標である。最近の研究は、TPAUCが既存のPartial AUCメトリクスと本質的に矛盾していることを示している。本論文では,この新指標を最適化するための最初の試行について述べる。
論文参考訳（メタデータ） (2022-06-23T12:21:30Z)
Universal adversarial perturbation for remote sensing images [41.54094422831997]
本稿では,エンコーダ・デコーダネットワークとアテンション機構を組み合わせた新しい手法を提案する。実験の結果、UAPはRSIを誤分類し、提案手法の攻撃成功率(ASR)は97.35%であることがわかった。
論文参考訳（メタデータ） (2022-02-22T06:43:28Z)
Open-Set Recognition: A Good Closed-Set Classifier is All You Need [146.6814176602689]
分類器が「ゼロ・オブ・ア・ア・ア・ベ」決定を行う能力は、閉集合クラスにおける精度と高い相関関係があることが示される。この相関を利用して、閉セット精度を向上させることにより、クロスエントロピーOSR'ベースライン'の性能を向上させる。また、セマンティックノベルティを検出するタスクをより尊重する新しいベンチマークを構築した。
論文参考訳（メタデータ） (2021-10-12T17:58:59Z)
Boosting the Generalization Capability in Cross-Domain Few-shot Learning via Noise-enhanced Supervised Autoencoder [23.860842627883187]
我々は、新しいノイズ強調型教師付きオートエンコーダ(NSAE)を用いて、特徴分布のより広範なバリエーションを捉えるようモデルに教える。 NSAEは入力を共同で再構築し、入力のラベルと再構成されたペアを予測することによってモデルを訓練する。また、NSAE構造を利用して、より適応性を高め、対象領域の分類性能を向上させる2段階の微調整手順を提案する。
論文参考訳（メタデータ） (2021-08-11T04:45:56Z)
Random Partitioning Forest for Point-Wise and Collective Anomaly Detection -- Application to Intrusion Detection [9.74672460306765]
DiFF-RFはランダムな分割二分木で構成されるアンサンブルアプローチであり、異常を検出する。実験の結果,DiFF-RFはアイソレーション・フォレスト(IF)アルゴリズムをほぼ体系的に上回っていることがわかった。我々の経験から,DiFF-RFは小規模な学習データの存在下では有効であることがわかった。
論文参考訳（メタデータ） (2020-06-29T10:44:08Z)
Joint Contextual Modeling for ASR Correction and Language Understanding [60.230013453699975]
言語理解(LU)と協調してASR出力の文脈的言語補正を行うマルチタスクニューラルアプローチを提案する。そこで本研究では,市販のASRおよびLUシステムの誤差率を,少量のドメイン内データを用いてトレーニングしたジョイントモデルと比較して14%削減できることを示した。
論文参考訳（メタデータ） (2020-01-28T22:09:25Z)

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。