명시된 실체 인식을 위한 신경망 구조

최신의 명명된 개체 인식 시스템은 효과적으로 작은 규제 학습 코퍼스에서 학습하기 위해 수작업으로 만든 특징과 영역별 지식에 크게 의존하고 있습니다. 본 논문에서는 두 가지 새로운 신경망 구조를 소개합니다. 하나는 양방향 LSTM(장단기 기억 신경망)과 조건부 랜덤 필드를 기반으로 하며, 다른 하나는 시프트-리듀스 파서에서 영감을 받은 전이 기반 접근법을 사용하여 세그먼트를 구성하고 라벨링합니다. 우리의 모델은 단어에 대한 두 가지 정보 출처에 의존합니다: 규제 코퍼스에서 학습한 문자 기반 단어 표현과 비규제 코퍼스에서 학습한 비지도 단어 표현입니다. 우리의 모델들은 언어별 지식이나 가제터와 같은 자원을 사용하지 않고 네 가지 언어에서 최고 수준의 성능을 달성하였습니다.