• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>ACM transactions on Asian language information processing >Domain-specific Named Entity Recognition with Document-Level Optimization
【24h】

Domain-specific Named Entity Recognition with Document-Level Optimization

机译：具有文档级优化的特定于域的命名实体识别

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Previous studies normally formulate named entity recognition (NER) as a sequence labeling task and optimize the solution in the sentence level. In this article, we propose a document-level optimization approach to NER and apply it in a domain-specific document-level NER task. As a baseline, we apply a state-of-the-art approach, i.e., long-short-term memory (LSTM), to perform word classification. On this basis, we define a global objective function with the obtained word classification results and achieve global optimization via Integer Linear Programming (ILP). Specifically, in the ILP-based approach, we propose four kinds of constraints, i.e., label transition, entity length, label consistency, and domain-specific regulation constraints, to incorporate various entity recognition knowledge in the document level. Empirical studies demonstrate the effectiveness of the proposed approach to domain-specific document-level NER.
机译：先前的研究通常将命名实体识别（NER）制定为序列标记任务，并在句子级别优化解决方案。在本文中，我们提出了一种针对NER的文档级优化方法，并将其应用于特定于域的文档级NER任务。作为基准，我们应用了最先进的方法（即长短期记忆（LSTM））来进行单词分类。在此基础上，利用获得的词分类结果定义一个全局目标函数，并通过整数线性规划（ILP）实现全局优化。具体而言，在基于ILP的方法中，我们提出了四种约束，即标签转换，实体长度，标签一致性和特定于域的法规约束，以将各种实体识别知识纳入文档级别。实证研究表明，该方法对于特定领域文档级NER的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号