Thư Viện Trường Đại học Hà Nội

TRA CỨU

Các bộ sưu tập

Thư mục - Vốn tư liệu

2018.

tr.311-321Tiếng Việt

Tác giả CN	Phạm, Quang Nhật Minh
Nhan đề	A Feature-Based Model for Nested Named-Entity Recognition at VLSP-2018 NER Evaluation Campaign / Phạm Quang Nhật Minh
Thông tin xuất bản	2018.
Mô tả vật lý	tr.311-321
Thuật ngữ chủ đề	In this report, we describe our participant named-entity recognition system at VLSP 2018 evaluation campaign. We formalized the task as a sequence labeling problem using BIO encoding scheme. We applied a feature-based model which combines word, word-shape features, Brown-cluster-based features, and word-embedding-based features. We compare several methods to deal with nested entities in the dataset. We showed that combining tags of entities at all levels for training a sequence labeling model (joint-tag model) improved the accuracy of nested named-entity recognition.
Từ khóa tự do	Đánh giá
Từ khóa tự do	Nested named-entity recognition
Từ khóa tự do	CRF
Từ khóa tự do	VLSP
Từ khóa tự do	Nhận dạng thực thể
Nguồn trích	Tạp chí Tin học và Điều khiển học- Vol.34, No 4

MARC

Hiển thị đầy đủ trường & trường con

Tag	Giá trị
000	00000nab#a2200000ui#4500
001	57084
002	2
004	068FAB9C-4BBB-4046-BAB1-7374634A689D
005	202007010828
008	081223s2018 vm\| vie
009	1 0
035	[ ] \|a 1456417238
039	[ ] \|a 20241202144550 \|b idtocn \|c 20200701082809 \|d thuvt \|y 20191127150010 \|z thuvt
041	[0 ] \|a vie
044	[ ] \|a vm
100	[0 ] \|a Phạm, Quang Nhật Minh
245	[1 0] \|a A Feature-Based Model for Nested Named-Entity Recognition at VLSP-2018 NER Evaluation Campaign / \|c Phạm Quang Nhật Minh
260	[ ] \|c 2018.
300	[1 0] \|a tr.311-321
650	[1 0] \|a In this report, we describe our participant named-entity recognition system at VLSP 2018 evaluation campaign. We formalized the task as a sequence labeling problem using BIO encoding scheme. We applied a feature-based model which combines word, word-shape features, Brown-cluster-based features, and word-embedding-based features. We compare several methods to deal with nested entities in the dataset. We showed that combining tags of entities at all levels for training a sequence labeling model (joint-tag model) improved the accuracy of nested named-entity recognition.
653	[0 ] \|a Đánh giá
653	[0 ] \|a Nested named-entity recognition
653	[0 ] \|a CRF
653	[0 ] \|a VLSP
653	[0 ] \|a Nhận dạng thực thể
773	[0 ] \|t Tạp chí Tin học và Điều khiển học \|g Vol.34, No 4
890	[ ] \|a 0 \|b 0 \|c 0 \|d 0