論文の概要: GapDNER: A Gap-Aware Grid Tagging Model for Discontinuous Named Entity Recognition

• arxiv url: http://arxiv.org/abs/2510.10927v1
• Date: Mon, 13 Oct 2025 02:40:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:30.157207
• Title: GapDNER: A Gap-Aware Grid Tagging Model for Discontinuous Named Entity Recognition
• Title（参考訳）: GapDNER:不連続名前付きエンティティ認識のためのギャップ対応グリッドタグモデル
• Authors: Yawen Yang, Fukun Ma, Shiao Meng, Aiwei Liu, Lijie Wen,
• Abstract要約: 医学分野において、1つの名前の実体は一連の非隣接トークンから構成され、他の実体と重複することがある。 従来の方法では、エンティティフラグメントや内部トークンを接続することで、不連続なエンティティを認識する。 本稿では,GapDNER という不連続名前付きエンティティ認識のための効果的な Gap-aware グリッドタグモデルを提案する。
• 参考スコア（独自算出の注目度）: 22.669221793494163
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In biomedical fields, one named entity may consist of a series of non-adjacent tokens and overlap with other entities. Previous methods recognize discontinuous entities by connecting entity fragments or internal tokens, which face challenges of error propagation and decoding ambiguity due to the wide variety of span or word combinations. To address these issues, we deeply explore discontinuous entity structures and propose an effective Gap-aware grid tagging model for Discontinuous Named Entity Recognition, named GapDNER. Our GapDNER innovatively applies representation learning on the context gaps between entity fragments to resolve decoding ambiguity and enhance discontinuous NER performance. Specifically, we treat the context gap as an additional type of span and convert span classification into a token-pair grid tagging task. Subsequently, we design two interactive components to comprehensively model token-pair grid features from both intra- and inter-span perspectives. The intra-span regularity extraction module employs the biaffine mechanism along with linear attention to capture the internal regularity of each span, while the inter-span relation enhancement module utilizes criss-cross attention to obtain semantic relations among different spans. At the inference stage of entity decoding, we assign a directed edge to each entity fragment and context gap, then use the BFS algorithm to search for all valid paths from the head to tail of grids with entity tags. Experimental results on three datasets demonstrate that our GapDNER achieves new state-of-the-art performance on discontinuous NER and exhibits remarkable advantages in recognizing complex entity structures.
• Abstract（参考訳）: 医学分野において、1つの名前の実体は一連の非隣接トークンから構成され、他の実体と重複することがある。 従来の方法では、さまざまなスパンや単語の組み合わせによって、エラーの伝播や曖昧さのデコードといった問題に直面しているエンティティフラグメントや内部トークンを接続することで、不連続なエンティティを認識する。 これらの問題に対処するために,不連続なエンティティ構造を深く検討し,不連続名前付きエンティティ認識のためのガップ対応グリッドタグモデルGapDNERを提案する。 我々のGapDNERは、エンティティフラグメント間のコンテキストギャップにおける表現学習を革新的に応用し、デコード曖昧性を解消し、不連続なNER性能を向上させる。 具体的には、コンテキストギャップをスパンの追加型として扱い、スパン分類をトークンペアグリッドタグタスクに変換する。 次に、2つのインタラクティブなコンポーネントを設計し、トークンペアグリッドの特徴をスパン内およびスパン間の両方の観点から包括的にモデル化する。 スパン内規則性抽出モジュールは、各スパンの内部規則性を取得するために線形注意とともにバフィン機構を用いており、スパン間関係強化モジュールは、異なるスパン間の意味的関係を得るためにクリスクロス注意を利用する。 エンティティデコーディングの推論段階で、各エンティティフラグメントとコンテキストギャップに有向エッジを割り当て、BFSアルゴリズムを使用して、エンティティタグでグリッドの頭から尾までの有効なパスを検索する。 3つのデータセットによる実験結果から,GapDNERは不連続なNER上での新たな最先端性能を実現し,複雑なエンティティ構造を認識する上での顕著な優位性を示す。

関連論文リスト

• TriG-NER: Triplet-Grid Framework for Discontinuous Named Entity Recognition [13.490098281895877]
  TriG-NERは、不連続なエンティティ抽出のための堅牢なトークンレベル表現を学習するための新しいトリプルトグリッドフレームワークである。 我々のフレームワークはトークンレベルで三重項損失を適用し、類似性は同じエンティティ内に存在するワードペアによって定義される。 3つのベンチマークDNERデータセット上でTriG-NERを評価し、既存のグリッドアーキテクチャよりも大幅に改善したことを示す。
  論文  参考訳（メタデータ） (2024-11-04T06:26:09Z)
• Object Segmentation by Mining Cross-Modal Semantics [68.88086621181628]
  マルチモーダル特徴の融合と復号を導くために,クロスモーダル・セマンティックスをマイニングする手法を提案する。 具体的には,(1)全周減衰核融合(AF),(2)粗大デコーダ(CFD),(3)多層自己超越からなる新しいネットワークXMSNetを提案する。
  論文  参考訳（メタデータ） (2023-05-17T14:30:11Z)
• Multi-task Transformer with Relation-attention and Type-attention for Named Entity Recognition [35.44123819012004]
  名前付きエンティティ認識(NER)は自然言語処理において重要な研究課題である。 本稿では,エンティティ境界検出タスクを名前付きエンティティ認識タスクに組み込むマルチタスク変換器を提案する。
  論文  参考訳（メタデータ） (2023-03-20T05:11:22Z)
• DecoupleNet: Decoupled Network for Domain Adaptive Semantic Segmentation [78.30720731968135]
  セマンティックセグメンテーションにおける教師なしドメイン適応は、高価なピクセル単位のアノテーションへの依存を軽減するために提起されている。 我々は、ソースドメインのオーバーフィットを軽減し、最終的なモデルをセグメント化タスクに集中できるようにするDecoupleNetを提案する。 我々はまた、自己識別(SD)を推進し、擬似ラベルでより識別可能なターゲットドメイン特徴を学習するための補助分類器を導入した。
  論文  参考訳（メタデータ） (2022-07-20T15:47:34Z)
• A Unified Architecture of Semantic Segmentation and Hierarchical Generative Adversarial Networks for Expression Manipulation [52.911307452212256]
  セマンティックセグメンテーションと階層的GANの統一アーキテクチャを開発する。 我々のフレームワークのユニークな利点は、将来的なセマンティックセグメンテーションネットワーク条件を生成モデルに渡すことである。 我々は,AffectNetとRaFDの2つの難解な表情翻訳ベンチマークとセマンティックセグメンテーションベンチマークであるCelebAMask-HQについて評価を行った。
  論文  参考訳（メタデータ） (2021-12-08T22:06:31Z)
• 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)
• CoADNet: Collaborative Aggregation-and-Distribution Networks for Co-Salient Object Detection [91.91911418421086]
  Co-Salient Object Detection (CoSOD)は、2つ以上の関連する画像を含む所定のクエリグループに繰り返し現れる健全なオブジェクトを発見することを目的としている。 課題の1つは、画像間の関係をモデリングし、活用することによって、コ・サリヤ・キューを効果的にキャプチャする方法である。 我々は,複数画像から有能かつ反復的な視覚パターンを捉えるために,エンドツーエンドの協調集約配信ネットワーク(CoADNet)を提案する。
  論文  参考訳（メタデータ） (2020-11-10T04:28:11Z)

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。