面向法律文档的基于深度学习的命名实体链接:一种迁移学习方法
机器学习
2018-10-17 v1 人工智能
计算与语言
机器学习
摘要
在法律领域,区分一般词汇并随后链接相同实体的出现十分重要。解决这些挑战的课题称为命名实体链接(NEL)。当前为NEL设计的监督神经网络使用公开可用数据集进行训练和测试。然而,本文特别关注将经NEL训练的网络的迁移学习方法应用于法律文档的方面。实验表明,在本研究范围内由欧盟法律创建的法律数据集上取得了一致的改进。使用迁移学习方法,我们在小型和大型法律测试数据集上分别达到了98.90%和98.01%的F1分数。
引用
@article{arxiv.1810.06673,
title = {Named-Entity Linking Using Deep Learning For Legal Documents: A Transfer Learning Approach},
author = {Ahmed Elnaggar and Robin Otto and Florian Matthes},
journal= {arXiv preprint arXiv:1810.06673},
year = {2018}
}
备注
10 pages, 2 figures, 3 tables