論文の概要: Nested Named Entity Recognition as Single-Pass Sequence Labeling
- arxiv url: http://arxiv.org/abs/2505.16855v1
- Date: Thu, 22 May 2025 16:13:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-23 17:12:48.44628
- Title: Nested Named Entity Recognition as Single-Pass Sequence Labeling
- Title（参考訳）: シングルパスシーケンスラベルとしてのNested Named Entity Recognition
- Authors: Alberto Muñoz-Ortiz, David Vilares, Caio COrro, Carlos Gómez-Rodríguez,
- Abstract要約: 我々は、ネストされた名前付きエンティティ認識(NNER)を、選挙区構造を線形化する事前の作業を活用することで、シーケンスラベリングタスクとしてキャストした。
これらの選挙区線形化と事前訓練されたエンコーダを組み合わせることで、ネストされたエンティティを正確に$n$のタグ付けアクションでキャプチャする。
- 参考スコア（独自算出の注目度）: 24.27410108595295
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We cast nested named entity recognition (NNER) as a sequence labeling task by leveraging prior work that linearizes constituency structures, effectively reducing the complexity of this structured prediction problem to straightforward token classification. By combining these constituency linearizations with pretrained encoders, our method captures nested entities while performing exactly $n$ tagging actions. Our approach achieves competitive performance compared to less efficient systems, and it can be trained using any off-the-shelf sequence labeling library.
- Abstract（参考訳）: 我々は、ネストされた名前付きエンティティ認識(NNER)を、領域構造を線形化する事前作業を活用することでシーケンスラベリングタスクとして使用し、この構造付き予測問題の複雑さを簡単なトークン分類に効果的に低減した。
これらの選挙区線形化と事前訓練されたエンコーダを組み合わせることで、ネストされたエンティティを正確に$n$のタグ付けアクションでキャプチャする。
提案手法は,効率の低いシステムと比較して競争性能が向上し,市販のシークエンスラベリングライブラリを用いてトレーニングすることができる。
関連論文リスト
- Exploring Structured Semantic Prior for Multi Label Recognition with
Incomplete Labels [60.675714333081466]
不完全なラベルを持つマルチラベル認識(MLR)は非常に難しい。
最近の研究は、視覚言語モデルであるCLIPにおける画像とラベルの対応を探り、不十分なアノテーションを補うことを目指している。
我々は,MLRにおけるラベル管理の欠如を,構造化されたセマンティクスを導出することにより,不完全なラベルで修復することを提唱する。
論文 参考訳（メタデータ） (2023-03-23T12:39:20Z) - Disambiguation of Company names via Deep Recurrent Networks [101.90357454833845]
企業名文字列の埋め込みである教師付き学習を通じて,Siamese LSTM Network を抽出する手法を提案する。
私たちは、ラベル付けされるサンプルを優先するActive Learningアプローチが、より効率的な全体的な学習パイプラインをもたらす方法を分析します。
論文 参考訳（メタデータ） (2023-03-07T15:07:57Z) - Neighbour Consistency Guided Pseudo-Label Refinement for Unsupervised
Person Re-Identification [80.98291772215154]
教師なしの人物再識別(ReID)は、アノテーションを使わずに人物検索のための識別的アイデンティティの特徴を学習することを目的としている。
近年の進歩はクラスタリングに基づく擬似ラベルを活用することで実現されている。
本稿では, Pseudo Label Refinement フレームワークを提案する。
論文 参考訳（メタデータ） (2022-11-30T09:39:57Z) - Type-supervised sequence labeling based on the heterogeneous star graph
for named entity recognition [6.25916397918329]
本稿では,テキストノードとタイプノードを含む異種星グラフの表現学習について述べる。
モデルは、グラフ内のノードを更新した後、タイプ管理シーケンスラベリングを実行する。
NERデータセットの公開実験により、フラットなエンティティとネストされたエンティティの両方を抽出する際のモデルの有効性が明らかとなった。
論文 参考訳（メタデータ） (2022-10-19T01:40:06Z) - A Sequence-to-Set Network for Nested Named Entity Recognition [38.05786148160635]
ネストNERのための新しいシーケンス・ツー・セットニューラルネットワークを提案する。
我々は、非自己回帰デコーダを使用して、1回のパスで最終的なエンティティセットを予測する。
実験により, ネストした3つのNERコーパスに対して, 提案モデルが最先端となることを示す。
論文 参考訳（メタデータ） (2021-05-19T03:10:04Z) - Sparse Semi-Supervised Action Recognition with Active Learning [10.558951653323286]
骨格に基づく行動認識の最先端の手法は、ラベルに依存して管理されている。
本稿では,骨格に基づく行動認識のための新しい手法であるSESARを提案する。
本研究の結果は, 単独骨格を用いた教師付きクラスタ識別と, スパースラベル標本に適用した場合のアクティブラーニング手法に優れていた。
論文 参考訳（メタデータ） (2020-12-03T07:48:31Z) - PseudoSeg: Designing Pseudo Labels for Semantic Segmentation [78.35515004654553]
ラベルなしまたは弱いラベル付きデータを用いたトレーニングのための構造化された擬似ラベルを生成するための擬似ラベルの再設計を提案する。
提案手法の有効性を,低データと高データの両方において示す。
論文 参考訳（メタデータ） (2020-10-19T17:59:30Z)
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。