双方向LSTM-CNN-CRFによるエンドツーエンドのシーケンステキストラベリング

最先端のシーケンステキストラベリングシステムは、従来、大量のタスク特有の知識を手作りの特徴やデータ前処理の形で必要とします。本論文では、双方向LSTM、CNN、およびCRFの組み合わせを使用して、単語および文字レベルの表現の両方から自動的に恩恵を受ける新しいニューラルネットワークアーキテクチャを紹介します。当システムは真のエンドツーエンドであり、特徴エンジニアリングやデータ前処理を必要とせず、幅広いシーケンステキストラベリングタスクに適用可能です。私たちは、品詞（POS）タグ付けのためのPenn Treebank WSJコーパスと、固有表現認識（NER）のためのCoNLL 2003コーパスの2つのデータセットでシステムを評価しました。どちらのデータセットでも最先端のパフォーマンスを達成しました - POSタグ付けで97.55％の精度、NERで91.21％のF1を得ました。