Combining Minimally-supervised Methods for Arabic Named Entity Recognition

URN zum Zitieren dieses Dokuments:: urn:nbn:de:bvb:355-epub-403453
DOI zum Zitieren dieses Dokuments:: 10.5283/epub.40345

Althobaiti, M. ; Kruschwitz, Udo

; Poesio, Massimo

Vorschau

Lizenz: Creative Commons Namensnennung-Weitergabe unter gleichen Bedingungen 4.0 International
PDF - Veröffentlichte Version
(997kB)

Veröffentlichungsdatum dieses Volltextes: 13 Jun 2019 13:22

Alternative Links zum Volltext:Verlag

Details

Dokumentenart:	Artikel
Titel eines Journals oder einer Zeitschrift:	Transactions of the Association for Computational Linguistics TACL
Verlag:	Association for Computational Linguistics
Band:	3
Nummer des Zeitschriftenheftes oder des Kapitels:	3
Seitenbereich:	S. 243-256
Datum:	2015
Institutionen:	Sprach- und Literatur- und Kulturwissenschaften > Institut für Information und Medien, Sprache und Kultur (I:IMSK) > Lehrstuhl für Informationswissenschaft (Prof. Dr. Udo Kruschwitz) Informatik und Data Science > Fachbereich Menschzentrierte Informatik > Lehrstuhl für Informationswissenschaft (Prof. Dr. Udo Kruschwitz)
Dewey-Dezimal-Klassifikation:	000 Informatik, Informationswissenschaft, allgemeine Werke > 020 Bibliotheks- und Informationswissenschaft
Status:	Veröffentlicht
Begutachtet:	Ja, diese Version wurde begutachtet
An der Universität Regensburg entstanden:	Unbekannt / Keine Angabe
Dokumenten-ID:	40345

Vorschau

Bibliographische Daten exportieren

Zusammenfassung

Supervised methods can achieve high performance on NLP tasks, such as Named Entity Recognition (NER), but new annotations are required for every new domain and/or genre change. This has motivated research in minimally supervised methods such as semi-supervised learning and distant learning, but neither technique has yet achieved performance levels comparable to those of supervised methods. ...