Neuronale Segmentale Hypergraphen für die Erkennung überlappender Erwähnungen

In dieser Arbeit schlagen wir eine neue segmentale Hypergraphen-Darstellung vor, um überlappende Entitätsmentionen zu modellieren, die in vielen praktischen Datensätzen häufig vorkommen. Wir zeigen, dass unser auf dieser neuen Darstellung basierendes Modell Merkmale und Interaktionen erfassen kann, die von früheren Modellen nicht erfasst werden konnten, während es gleichzeitig eine geringe Zeitkomplexität für die Inferenz beibehält. Zudem präsentieren wir eine theoretische Analyse, um formal zu bewerten, wie unsere Darstellung im Vergleich zu alternativen Darstellungen aus der Literatur hinsichtlich der repräsentativen Leistungsfähigkeit überlegen ist. In Verbindung mit neuronalen Netzen für das Merkmalslernen erreicht unser Modell den Stand der Technik in drei Benchmark-Datensätzen, die mit überlappenden Mentionen annotiert sind.