Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen: https://doi.org/10.21256/zhaw-1528
Titel: Transfer learning and sentence level features for named entity recognition on tweets
Autoren: von Däniken, Pius
Cieliebak, Mark
Tagungsband: Proceedings of the 3rd Workshop on Noisy User-generated Text
Band(Heft): 3
Seiten: 166
Seiten bis: 171
Angaben zur Konferenz: 3rd Workshop on Noisy User-generated Text (W-NUT), Copenhagen, September 7th, 2017
Verlag / Hrsg. Institution: Association for Computational Linguistics
Erscheinungsdatum: 7-Sep-2017
Lizenz (gemäss Verlagsvertrag): Lizenz gemäss Verlagsvertrag
Art der Begutachtung: Peer review (Publikation)
Sprache: Englisch
Schlagwörter: Named Entity Recogintion; NER
Fachgebiet (DDC): 004: Informatik
005: Computerprogrammierung, Programme und Daten
Zusammenfassung: We present our system for the WNUT 2017 Named Entity Recognition challenge on Twitter data. We describe two modi- fications of a basic neural network architecture for sequence tagging. First, we show how we exploit additional labeled data, where the Named Entity tags differ from the target task. Then, we propose a way to incorporate sentence level features. Our system uses both methods and ranked second for entity level annotations, achieving an F1-score of 40.78, and second for surface form annotations, achieving an F1- score of 39.33.
Departement: School of Engineering
Organisationseinheit: Institut für Angewandte Informationstechnologie (InIT)
Publikationstyp: Konferenz: Paper
DOI: 10.21256/zhaw-1528
URI: https://digitalcollection.zhaw.ch/handle/11475/1854
Enthalten in den Sammlungen:Publikationen School of Engineering

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat 
W17-4422.pdf232.63 kBAdobe PDFMiniaturbild
Öffnen/Anzeigen


Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt, soweit nicht anderweitig angezeigt.