構文情報の注意メカニズムを用いたアンサンブルによる命名エンティティ認識の向上

命名エンティティ抽出（Named Entity Recognition, NER）は、文の構文的・意味的特性に極めて敏感であり、エンティティはテキスト内での使用法や配置に応じて抽出される。このような特性をモデル化するためには、既存のリソースを活用してNERタスクに有益な知識を提供することが考えられる。いくつかの先行研究は、こうした知識の活用が有効であることを示しているが、特に文脈に応じて重要な知識を適切に区別・利用する点で限界がある。本論文では、提案するキー・バリュー記憶ネットワーク、構文アテンション、ゲート機構を用いて、構文情報のエンコーディング、重み付け、集約をそれぞれ機能化し、アテンションを用いたアンサンブルにより、さまざまな種類の構文情報を効果的に活用することでNERを向上させた。6つの英語および中国語のベンチマークデータセットにおける実験結果から、提案モデルの有効性が示され、すべての実験データセットにおいて従来手法を上回ることが確認された。