kajyuuen
commented
5 years ago 一言でいうと
PU学習を利用した辞書とラベルなしデータだけで学習出来る固有表現抽出モデルの提案
概要
現在提案されている教師ありNERは性能は高いが，大規模で詳細にアノテーションされたコーパスが必要で，アノテーションコーパスを得るのが難しいドメインに対して学習を行うことが難しかった． そこで比較的入手がしやすい，ラベル無しデータと固有表現辞書のみ利用してNERを実現する方法について考案した．
貢献
- ラベル無しデータと辞書によってNERを可能にするPU学習の提案
- 辞書が固有表現の分布と同じという仮定の元で，フルアノテーションコーパスと同じように損失を推定できることを証明した
- AdaSamplingアルゴリズムに基づいた，辞書を充実させるための適用方法を提案した
手法
Label Assignment Mechanism
BIO, BIOESラベルは使わず，固有表現かそうでないかのバイナリラベルによってマッピングを行う． これは辞書を用いてラベリングを行っても，固有表現の位置情報は推測出来ないかららしい．
例: 辞書に「山田」という人名しかなかった場合，文章中の「山田太郎」という人名に間違って「山田/S-PER 太郎/O」というラベルが付与されてしまう．
Data Labeling using the Dictionary
最長一致法を用いて，辞書からラベル無しデータに対してアノテーションを行う．
Build PU Learning Classifier
Word Representation
Character-level representation + Word-level representation + Human designed features
Loss Definition
Label Inference
固有表現ラベル毎にPU分類器を訓練して，最も予測確率が高いラベルを採用する．
Adapted PU Learning for NER
- 学習済みPU学習分類器を待ちいてラベル無しデータにラベルを付与
- 予測されたラベルに基づき，固有表現を抽出
- ある単語列がk回以上固有表現が抽出され，そのときデータセット内の全てで固有表現として抽出されたときその単語列を辞書に追加する
- 1-3を収束するまで繰り返す
結果
コメント
- PU Learningの前提知識が無いので厳しい．
- PU Learningを使うという発想は面白いと思ったが，系列データとしての性質は全く活かせてないのがもったいない気がする．
- 一回固有表現として辞書に追加されたら二度と辞書から外れない，辞書を完全に信用している部分は改善の余地ありそう
Distantly Supervised Named Entity Recognition using Positive-Unlabeled Learning