La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

A Double Adversarial Network Model for Multi-Domain and Multi-Task Chinese Named Entity Recognition Un modèle de réseau doublement contradictoire pour la reconnaissance d'entités nommées chinoises multi-domaines et multi-tâches

Yun HU, Changwen ZHENG

  • Vues en texte intégral

    0

  • Citer

Résumé:

Les systèmes de reconnaissance d'entités nommées (NER) sont souvent réalisés par des méthodes supervisées telles que les méthodes CRF et les réseaux neuronaux, qui nécessitent de grandes données annotées. Dans certains domaines pour lesquels de petites données de formation annotées sont disponibles, des méthodes d'apprentissage multi-domaines ou multi-tâches sont souvent utilisées. Dans cet article, nous explorons les méthodes qui utilisent le domaine d'actualités et la tâche de segmentation de mots chinois (CWS) pour améliorer les performances de reconnaissance des entités nommées chinoises dans le domaine Weibo. Nous proposons dans un premier temps deux modèles de base combinant des informations multi-domaines et multi-tâches. Les deux modèles de base partagent des informations entre différents domaines et tâches en partageant simplement des paramètres. Ensuite, nous proposons un modèle Double ADVersarial (modèle DoubADV). Le modèle utilise deux réseaux contradictoires prenant en compte les fonctionnalités partagées et privées dans différents domaines et tâches. Les résultats expérimentaux montrent que notre modèle DoubADV surpasse les autres modèles de base et atteint des performances de pointe par rapport aux travaux précédents dans des situations multi-domaines et multi-tâches.

Publication
IEICE TRANSACTIONS on Information Vol.E103-D No.7 pp.1744-1752
Date de publication
2020/07/01
Publicisé
2020/04/01
ISSN en ligne
1745-1361
DOI
10.1587/transinf.2019EDP7253
Type de manuscrit
PAPER
Catégories
Traitement du langage naturel

Auteurs

Yun HU
  University of Chinese Academy of Science
Changwen ZHENG
  Institute of Software Chinese Academy of Sciences

Mots-clés

Table des matières