基于因子分解机的稀疏命名实体分类
计算与语言
2017-03-16 v1
摘要
命名实体分类是将基于文本的元素分类为各类别（包括地点、人名、日期、时间和货币值）的任务。然而，命名实体分类的一个瓶颈是数据稀疏性问题，因为新的命名实体不断涌现，使得维护命名实体分类词典变得相当困难。因此，本文利用矩阵分解来解决特征稀疏性问题，从而应对命名实体分类挑战。实验结果表明，我们提出的模型在特征更少、规模更小的情况下，实现了与最先进模型（state-of-the-art models）相当的准确率。
引用
@article{arxiv.1703.04879,
title = {Sparse Named Entity Classification using Factorization Machines},
author = {Ai Hirata and Mamoru Komachi},
journal= {arXiv preprint arXiv:1703.04879},
year = {2017}
}
备注
4+1 pages