<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>kzinmr</author_name>
  <author_url>https://blog.hatena.ne.jp/kzinmr/</author_url>
  <blog_title>MNTSQ Techブログ</blog_title>
  <blog_url>https://tech.mntsq.co.jp/</blog_url>
  <categories>
  </categories>
  <description>特許・契約書・有価証券報告書・企業関連ニュースなど、実応用上の自然言語処理では、会社名を認識したいという場面に非常に多く出くわす。 会社名らしい文字列をテキストから抽出することは、形態素解析器の辞書を用いたり固有表現抽出モデルを学習することである程度実現される一方で、抽出した会社名をレコード化して分析などに用いる際には、いわゆる名寄せの問題が発生する。 自然言語処理における名寄せに似た問題は、エンティティリンキングや共参照解析といったアプローチで探求されており、実応用上は前者のアプローチが採られることが多い印象がある。*1 名寄せタスクをエンティティリンキング的に解くためには、帰着先の知識ベー…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftech.mntsq.co.jp%2Fentry%2F2021%2F04%2F28%2F160829&quot; title=&quot;公開されている日本の企業名辞書の紹介 - MNTSQ Techブログ&quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url>https://cdn-ak.f.st-hatena.com/images/fotolife/k/kzinmr/20210428/20210428125512.png</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2021-04-28 16:08:29</published>
  <title>公開されている日本の企業名辞書の紹介</title>
  <type>rich</type>
  <url>https://tech.mntsq.co.jp/entry/2021/04/28/160829</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
