半自動学習データ構築による固有表現認識の改善

• Item type: SIG Technical Reports(1)
• 公開日: 2016-05-09
• タイトル: 半自動学習データ構築による固有表現認識の改善
• タイトル / 言語: en
• タイトル: Named Entity Recognition Improvement through Semi-supervised Data Construction
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 自然言語処理
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 奈良先端科学技術大学院大学
• 著者所属: ホンダ・リサーチ・インスティチュート・ジャパン
• 著者所属: ホンダ・リサーチ・インスティチュート・ジャパン
• 著者所属: 東京電機大学
• 著者所属(英): en
• 著者所属(英): Nara Institute of Science and Technology
• 著者所属(英): en
• 著者所属(英): Honda Research Institute Japan
• 著者所属(英): en
• 著者所属(英): Honda Research Institute Japan
• 著者所属(英): en
• 著者所属(英): Tokyo Denki University
• 著者名: 澤山, 熱気; エリック, ニコルズ; 中野, 幹生; 高橋, 達二
• 著者名(英): Atsuki, Sawayama; Eric, Nichols; Mikio, Nakano; Tatsuji, Takahashi
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: レシピの推薦や，患者の病状に基づいた病気の詳細情報を提示する対話システムや情報検索システムの構築には，レシピ，医療などの特定ドメインを対象とした言語処理技術が必要である．そのような技術のベースとして，食事や疾病名など，対象とするドメインに特有の固有表現を高い精度で認識できる固有表現認識器が必要である．そのためには，正解ラベルの付いた大量の追加学習データが必要であるが，その構築には高いコストがかかる．本稿では，自動的に固有表現のタグ付けがされた対象ドメインの Web テキストから，人手のフィードバックを用いて少量の学習データを半自動的に構築し，追加学習データの構築のコストを削減する枠組みを提案する．提案手法では手動のタグ修正を用いることで，もっとも NER モデルの精度が向上する可能性の高い文章を選択する幾つかの手法を提案し，提案手法がランダムに修正された手法とベースラインよりも良い性能につながったことを実証的に評価できたことを示した．さらに，信頼度の高い固有表現タグを含む文を自動的に選択した実験では，再現率の低さととトレードオフで高い適合率と F 値を得られることがわかった．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Many tasks require natural language processing technology for specific domains, such as dialogue systems that make recipe recommendations or provide detailed information about illnesses based on user symptoms, and high-performance named entity recognition (NER) of cuisines and illnesses is the foundation of such technologies. However, constructing high-performance NER for new domains requires large quantities of labeled training data, which is expensive to construct.In this paper, we present a framework to reduce the cost of data construction by using small amounts of human feedback to semi-automatically extend a small core of hand-constructed training data with in-domain Web texts that have been automatically tagged with named entities. We propose several methods for selecting the sentences most likely to strengthen our NER model through manual tag correction, and empirical evaluation shows that our proposed methods lead to greater performance than a random selection baseline. Further experiments fully-automatically selecting sentences with high-confidence NE tags as additional training data show that models with higher precision and F1-scores can be trained for a small trade-off in recall.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10442647
• 書誌情報: 研究報告音声言語情報処理（SLP）; 巻 2016-SLP-111, 号 9, p. 1-6, 発行日 2016-05-09
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8663
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会