An Element-wise Visual-enhanced BiLSTM-CRF Model for Location Name Recognition
An Element-wise Visual-enhanced BiLSTM-CRF Model for Location Name Recognition
复制标题
DOI：
10.18653/v1/2020.splu-1.1
复制
发表时间：
2020-11
期刊：
影响因子：
--
通讯作者：
Takuya Komada;Takashi Inui
中科院分区：
文献类型：
--
作者：
Takuya Komada;Takashi Inui
近年来，以前的研究已经在带有附加图像的社交媒体帖子的命名实体识别（NER）中使用了视觉信息。但是，这些方法只能应用于带有附加图像的文档。在本文中，我们提出了一种NER方法，可以使用元素的视觉信息的任何文件，通过使用图像数据对应于文档中的每个单词。该方法使用图像检索引擎获得元素图像数据，作为神经NER模型中的额外特征。在标准日本NER数据集上的实验结果表明，该方法比基线方法获得了更高的F1值（89.67%），证明了使用元素视觉信息的有效性。
In recent years, previous studies have used visual information in named entity recognition (NER) for social media posts with attached images. However, these methods can only be applied to documents with attached images. In this paper, we propose a NER method that can use element-wise visual information for any documents by using image data corresponding to each word in the document. The proposed method obtains element-wise image data using an image retrieval engine, to be used as extra features in the neural NER model. Experimental results on the standard Japanese NER dataset show that the proposed method achieves a higher F1 value (89.67%) than a baseline method, demonstrating the effectiveness of using element-wise visual information.