C-Norm: 소수 샘플 엔티티 정규화를 위한 신경망 접근법

엔티티 정규화는 최근 10년간 특히 생물의학 및 생명과학 분야에서 다시 주목받고 있는 중요한 정보 추출 작업이다. 이러한 분야뿐 아니라 모든 전문 분야에서 이 작업은 여전히 최신의 기계학습 기반 접근법에게 도전 과제로 남아 있으며, 특히 다중 클래스 문제와 소수의 학습 샘플(피처) 문제를 다루는 데 어려움을 겪고 있다. 이러한 문제를 해결하기 위해, 본 연구에서는 표준 및 약한 지도 학습을 유기적으로 결합하고, 온톨로지 지식을 통합하며 분포적 의미론을 활용하는 새로운 신경망 기반 접근법인 C-Norm을 제안한다.