2026年01月27日
## 要約：
本研究では、自然言語処理における名前付き実体認識(NER)モデルの予測に不確実性情報を付加するフレームワークを提案。Conformal Predictionを活用し、ユーザーが指定した信頼度で正しいラベルを含む予測集合を生成。これにより、モデルの信頼性に関する形式的な保証を提供し、信頼性の低い予測によるエラー伝播を防ぐ。
---
## 翻訳：
arXiv:2601.16999v1 Announce Type: new
Abstract: 名前付き実体認識(NER)は、多くの自然言語処理(NLP)パイプラインの基礎となるコンポーネントとして機能します。しかし、現在のNERモデルは、通常、不確実性の指標を伴うことなく、単一の予測ラベルシーケンスを出力するため、下流のアプリケーションはエラーのカスケードの影響を受けやすくなります。本論文では、シーケンスラベリングベースのNERモデルを不確実性を考慮した予測集合を生成するように適応させるための一般的なフレームワークを紹介します。これらの予測集合は、指定された信頼レベルで正しいラベルを確実に含む全文ラベルの集合です。このアプローチは、古典統計における信頼区間の役割を果たすものであり、モデル予測の信頼性に関する形式的な保証を提供します。当社の方法は、最小限の仮定の下で有限サンプルカバレッジ保証を提供するConformal Predictionに基づいています。効率的で、校正された予測集合を構築するために、無適合スコアリング関数を設計し、無条件およびクラス条件付きのカバレッジをサポートします。このフレームワークは、文の長さ、言語、実体タイプ、文内の実体の数における不均一性を考慮します。3つのベンチマークデータセットで4つのNERモデルを使用した実証実験は、提案手法の広範な適用性、有効性、および効率を実証しています。
[📰 原文はこちら](https://arxiv.org/abs/2601.16999)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
BittensorManがお勧めするメーカーリスト
https://exbridge.jp/xdirect/
AI時代の技術と知識のまとめ(AI生成メディア) - AIDexx
https://exbridge.jp/aidexx/
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。
