論文の概要: Inclusion of Role into Named Entity Recognition and Ranking

• arxiv url: http://arxiv.org/abs/2511.06886v1
• Date: Mon, 10 Nov 2025 09:39:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:45.182778
• Title: Inclusion of Role into Named Entity Recognition and Ranking
• Title（参考訳）: 名前付きエンティティ認識とランク付けにおける役割の付与
• Authors: Neelesh Kumar Shukla, Sanasam Ranbir Singh,
• Abstract要約: 新しい課題は、エンティティが特定のコンテキストにおける自身の行動や属性に従って役割を演じるときである。 代表語やフレーズを学習し,それを用いた役割や実体の表現を構築した。
• 参考スコア（独自算出の注目度）: 2.8074191213147652
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Most of the Natural Language Processing sys- tems are involved in entity-based processing for several tasks like Information Extraction, Question-Answering, Text-Summarization and so on. A new challenge comes when entities play roles according to their act or attributes in certain context. Entity Role Detection is the task of assigning such roles to the entities. Usu- ally real-world entities are of types: person, lo- cation and organization etc. Roles could be con- sidered as domain-dependent subtypes of these types. In the cases, where retrieving a subset of entities based on their roles is needed, poses the problem of defining the role and entities having those roles. This paper presents the study of study of solving Entity Role Detection prob- lem by modeling it as Named Entity Recogni- tion (NER) and Entity Retrieval/Ranking task. In NER, these roles could be considered as mutually exclusive classes and standard NER methods like sequence tagging could be used. For Entity Retrieval, Roles could be formulated as Query and entities as Collection on which the query needs to be executed. The aspect of Entity Retrieval task, which is different than document retrieval task is that the entities and roles against which they need to be retrieved are indirectly described. We have formulated au- tomated ways of learning representative words and phrases and building representations of roles and entities using them. We have also explored different contexts like sentence and document. Since the roles depend upon con- text, so it is not always possible to have large domain-specific dataset or knowledge bases for learning purposes, so we have tried to exploit the information from small dataset in domain- agnostic way.
• Abstract（参考訳）: 自然言語処理のsys-temsのほとんどは、情報抽出、質問回答、テキスト要約など、いくつかのタスクのためのエンティティベースの処理に関与しています。 新しい課題は、エンティティが特定のコンテキストにおける自身の行動や属性に従って役割を演じるときである。 エンティティロール検出は、エンティティにそのようなロールを割り当てるタスクである。 Usu-ally real-world entityは、人、場所、組織などの一種である。 ロールは、これらのタイプのドメイン依存サブタイプとして、コンサイドで扱うことができる。 それらの役割に基づいてエンティティのサブセットを取得する必要がある場合、役割とそれらの役割を持つエンティティを定義するという問題が生じる。 本稿では,Entity Recogni-tion (NER)とEntity Retrieval/Rankingタスクをモデル化して,Entity Role Detection Prob-lemの解決に関する研究を行う。 NERでは、これらの役割は相互排他的なクラスと見なすことができ、シーケンスタグのような標準のNERメソッドを使用することができる。 Entity Retrievalの場合、Rolesはクエリとして、エンティティはコレクションとして、クエリを実行する必要がある。 ドキュメント検索タスクとは異なるEntity Retrievalタスクの側面は、それらを取得する必要があるエンティティとロールが間接的に記述されていることです。 代表語やフレーズを学習し,それを用いた役割や実体の表現を構築した。 文や文書など、さまざまなコンテキストについても検討しています。 役割はコンテキストに依存しているため、学習目的のために大きなドメイン固有のデータセットや知識ベースを持つことは必ずしも不可能であるため、ドメインに依存しない方法で小さなデータセットからの情報を活用しようとしてきた。

関連論文リスト

• Role-Aware Language Models for Secure and Contextualized Access Control in Organizations [4.122315998598296]
  大規模言語モデル(LLM)は、ますますエンタープライズ環境にデプロイされている。 組織の役割の異なるアクセス権限を反映した応答を生成するために,LSMを微調整できるかどうかを検討する。
  論文  参考訳（メタデータ） (2025-07-31T11:41:04Z)
• Bridging Queries and Tables through Entities in Table Retrieval [70.13748256886288]
  エンティティは、テキスト検索の文脈でよく研究されているが、テーブル検索におけるその応用についての研究は、顕著に欠如している。 本稿では、実体表現に基づく相互作用パラダイムを設計し、エンティティ強化トレーニングフレームワークを提案する。 提案するフレームワークはプラグアンドプレイでフレキシブルで,既存のテーブルレトリバーのトレーニングプロセスに統合しやすくする。
  論文  参考訳（メタデータ） (2025-04-09T03:16:33Z)
• Named Entity Recognition via Machine Reading Comprehension: A Multi-Task Learning Approach [50.12455129619845]
  Named Entity Recognition (NER) は、テキスト内のエンティティの参照を事前に定義された型に抽出し、分類することを目的としている。 我々は,MRCベースのNERを改善するために,エンティティタイプ間のラベル依存性をマルチタスク学習フレームワークに組み込むことを提案する。
  論文  参考訳（メタデータ） (2023-09-20T03:15:05Z)
• 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)
• Nested Named Entity Recognition from Medical Texts: An Adaptive Shared Network Architecture with Attentive CRF [53.55504611255664]
  ネスト現象によるジレンマを解決するために,ASACと呼ばれる新しい手法を提案する。 提案手法は,適応共有(AS)部と注意条件付きランダムフィールド(ACRF)モジュールの2つの鍵モジュールを含む。 我々のモデルは、異なるカテゴリのエンティティ間の暗黙の区別と関係をキャプチャすることで、より良いエンティティ表現を学ぶことができる。
  論文  参考訳（メタデータ） (2022-11-09T09:23:56Z)
• Open-Vocabulary Argument Role Prediction for Event Extraction [70.93524366880521]
  本稿では,この本質的だが未探索な課題,すなわち開語彙的引数ロール予測を定義する。 このタスクの目標は、所定のイベントタイプに対する引数ロールのセットを推論することである。 本稿では,この課題に対する新しい教師なしフレームワークであるRolePredを提案する。
  論文  参考訳（メタデータ） (2022-11-03T04:13:37Z)
• Parallel Instance Query Network for Named Entity Recognition [73.30174490672647]
  名前付きエンティティ認識(NER)は自然言語処理の基本課題である。 最近の研究は、名前付きエンティティ認識を読み取り理解タスクとして扱い、エンティティを抽出するためにタイプ固有のクエリを手動で構築している。 本稿では,グローバルかつ学習可能なインスタンスクエリを並列に抽出するParallel Instance Query Network (PIQN)を提案する。
  論文  参考訳（メタデータ） (2022-03-20T13:01:25Z)
• LUKE: Deep Contextualized Entity Representations with Entity-aware Self-attention [37.111204321059084]
  両方向変換器に基づく単語と実体の事前学習した文脈表現を提案する。 我々のモデルは、BERTのマスキング言語モデルに基づく新しい事前訓練タスクを用いて訓練される。 また,変換器の自己認識機構の拡張である自己認識機構を提案する。
  論文  参考訳（メタデータ） (2020-10-02T15:38:03Z)
• Unsupervised Transfer of Semantic Role Models from Verbal to Nominal Domain [65.04669567781634]
  そこで本研究では,目的の名詞領域のラベル付きデータのみを用いて,目的の名詞領域のロールアノテートデータを仮定するトランスファーシナリオについて検討する。 我々の重要な前提は、二つの領域間の移動を可能にすることであり、ある役割の選択的選好は、その関係が動詞または名詞によって引き起こされるかどうかに強く依存しないということである。 この手法は、英語のCoNLL-2009データセットに基づいて、教師なしや直接転送などのベースラインを大幅に上回る。
  論文  参考訳（メタデータ） (2020-05-01T09:20:48Z)

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。