Jul, 2022

重新思考在中文命名实体识别中的地名词典价值

PDF
TL;DR本文通过重新检验增强命名实体识别的常见做法和详细分析模型性能和词表特征之间的关系，指导我们构建更合适的词表。发现：（1）词表有助于解决传统 NER 模型难以学习的情况。（2）模型性能极大地受益于高质量的预训练词汇嵌入。（3）一个好的词表应该涵盖更多在训练集和测试集中都能匹配到的实体。
gazetteerchinese named entity recognitionner modelmodel performancepre-trained lexeme embeddings
发现论文，激发创造
  • 低资源命名实体识别的软性地名词典

    该研究提出了一种 “软型 Gazetteer” 的方法，通过跨语言实体联接将英语知识库中的广泛信息引入神经命名实体识别模型，以解决在低资源语言中设计手动特征的问题，并在 4 种低资源语言上进行了实验证明。

    May, 2020

  • 使用汉字对命名实体进行识别

    本篇论文提出一种运用中文字符字形并覆盖了一些语义信息的 CNN 模型进行命名实体识别，该模型取得了比使用传统特征的模型更好的成果，提升了命名实体识别的效率。

    Sep, 2019

  • 利用 Gazetteer 增强的 BanglaBERT 语义嵌入 K-Means 注入 CRF 模型的孟加拉命名实体识别

    本研究探索了孟加拉命名实体识别领域的现有研究状况，找出了当前技术和数据集所面临的限制，并提出通过使用新颖的 Gazetteer 和先进的自然语言处理工具来改善命名实体识别的性能。

    Jan, 2024

  • SemEval-2022 任务 11 中的 USTC-NELSLIP 团队：适用于地名词表的多语言复杂命名实体识别整合网络

    提出了一种基于 Gazetteer 适应的整合网络 (GAIN) 的方法，用于提高语言模型识别复杂命名实体的性能，该方法应用于基于 Transformer 模型的命名实体识别模型，并利用来自 Wikidata 的 Gazetteer，取得了在 SemEval-2022 Task 11 的多语种命名实体识别比赛上的良好表现。

    Mar, 2022

  • 探索上下文和嵌入在神经命名实体识别模型中在任务定向对话系统中的重要性

    本文通过在任务导向的对话系统中评估经过修改的最新神经网络架构的性能，研究了从文本、字符特征和外部语料库中训练的词嵌入的使用方式，并探讨了前一个话语作为附加特征的不同组合，以及在添加自动翻译的英语 - 翻译和英语 - 转录版本到英语数据集后的实验重复性。

    Dec, 2018

  • 提高神经网络命名实体识别的鲁棒性词汇特征

    本文介绍一种使用神经网络方法进行实体识别的系统，主要聚焦于研究如何在建模时引入词汇特征，并通过低维向量空间嵌入和高效训练得到最佳结果，最终在公开数据集上取得了较高的 F1 分数。

    Jun, 2018

  • NERetrieve: 下一代命名实体识别与检索数据集

    通过大规模语言模型，命名实体识别可以达到更精细化的实体类型识别、零样本识别和语句检索等目标，但这些目标仍然需要进一步研究和探索。

    Oct, 2023

  • GlobalNER：将非局部信息结合到命名实体识别中

    本研究使用基于深度神经网络的查询生成方法和基于 BERTScore 的提及感知的重新排序体系结构，以进一步提高命名实体识别的性能。最后，在 WNUT17 数据集上实现了 61.56 的微 F1 得分。

    Mar, 2023

  • 命名实体识别中的泛化：定量分析

    本文旨在量化命名实体识别（NER）方法在 Web 内容和用户生成内容中的多样性如何影响其效果，并发现 NER 方法在具有有限训练数据的多样化数据类型中难以实现推广。文章还发现，领先的 NER 系统靠训练数据中的表面形式，很难进行推广。

    Jan, 2017

  • 实体和关系抽取中的情境化和泛化

    本文主要研究了最新的自然语言处理技术中，神经网络和语言模型在命名实体识别和关系抽取方面的应用以及它们在训练过程中面临的一些挑战。我们发现，预训练的语言模型对发现未曾见过的命名实体表现良好，但对于未曾见过的关系则有待加强，因此模型的理解能力仍存在提升空间。

    Jun, 2022