TAILIEUCHUNG - Báo cáo khoa học: "Inducing Domain-specific Semantic Class Taggers from (Almost) Nothing"

This research explores the idea of inducing domain-specific semantic class taggers using only a domain-specific text collection and seed words. The learning process begins by inducing a classifier that only has access to contextual features, forcing it to generalize beyond the seeds. The contextual classifier then labels new instances, to expand and diversify the training set. Next, a cross-category bootstrapping process simultaneously trains a suite of classifiers for multiple semantic classes. . | Inducing Domain-specific Semantic Class Taggers from Almost Nothing Ruihong Huang and Ellen Riloff School of Computing University of Utah Salt Lake City UT 84112 huangrh riloff @ Abstract This research explores the idea of inducing domain-specific semantic class taggers using only a domain-specific text collection and seed words. The learning process begins by inducing a classifier that only has access to contextual features forcing it to generalize beyond the seeds. The contextual classifier then labels new instances to expand and diversify the training set. Next a cross-category bootstrapping process simultaneously trains a suite of classifiers for multiple semantic classes. The positive instances for one class are used as negative instances for the others in an iterative bootstrapping cycle. We also explore a one-semantic-class-per-discourse heuristic and use the classifiers to dynamically create semantic features. We evaluate our approach by inducing six semantic taggers from a collection of veterinary medicine message board posts. 1 Introduction The goal of our research is to create semantic class taggers that can assign a semantic class label to every noun phrase in a sentence. For example consider the sentence The lab mix was diagnosed with parvo and given abx . A semantic tagger should identify the the lab mix as an ANIMAL parvo as a DISEASE and abx antibiotics as a DRUG. Accurate semantic tagging could be beneficial for many NLP tasks including coreference resolution and word sense disambiguation and many NLP applications such as event extraction systems and question answering technology. Semantic class tagging has been the subject of previous research primarily under the guises of named entity recognition NER and mention detection. Named entity recognizers perform semantic tagging on proper name noun phrases and sometimes temporal and numeric expressions as well. The mention detection task was introduced in recent ACE evaluations . ACE 2007

• Báo cáo khoa học
• Inducing Domain specific Semantic Class Taggers
• Almost Nothing
• Ruihong Huang and Ellen Riloff
• báo cáo khoa học
• báo cáo ngôn ngữ
• ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Xử lý ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Mô hình ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân loại tin tự động
• Tạo chí tin học
• Điều khiển học
• Truy vấn ngôn ngữ tự nhiên
• Phép dịch truy vấn ngôn ngữ tự nhiên
• Truy vấn SQL
• Văn phạm ngữ nghĩa
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Phân tích ngữ nghĩa
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Bài toán PTCP
• Phân tích cú pháp
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học
• Gán nhãn từ loại
• Ngôn ngữ tự nhiên trong dịch máy
• Hệ thống dịch máy
• Phương pháp xây dựng bảng từ
• Tác từ
• Conditional random fields
• Nhận dạng thực thể có tên
• Đối tượng vật lý trừu tượng
• Phân lớp văn bản
• Biểu diễn nhị phân
• Ma trận từ văn bản
• Wolfram Alpha
• Trích rút thông tin
• Phương pháp Snowball