EMNLPOct, 2023

命名实体识别的边界偏移预测网络

PDF
TL;DR命名实体识别是自然语言处理中的一项基本任务，该论文提出了一种名为边界偏移预测网络（BOPN）的新方法，通过预测候选跨度与其最近实体跨度之间的边界偏移来建立非实体跨度和实体跨度之间的联系，实现了非实体跨度作为额外正样本进行实体检测，进而将实体类型和跨度表示融合生成类型感知的边界偏移，相较之前最先进的方法，在八个广泛使用的命名实体识别数据集上取得了更好的结果。
named entity recognitionspan-based methodsboundary offset prediction networkentity detectionstate-of-the-art methods
发现论文，激发创造
  • 命名实体识别的边界平滑

    通过在命名实体识别中引入边界平滑正则化技术，将命名实体的概率分布从注释的跨度重新分配到周围的跨度，从而有效缓解了过度自信问题，改善了模型的校准性并获得更好的结果。

    Apr, 2022

  • 定位与标记：用于嵌套命名实体识别的两阶段识别器

    该研究提出两阶段标识器以识别嵌套实体，其通过过滤种子跨度和边界回归生成跨度建议，并准确地标记跨度与相应类别。实验结果表明，该方法优于以往最先进的模型。

    May, 2021

  • 鲁棒的少样本命名实体识别：边界判别和相关性净化

    本研究探索和评估少样本命名实体识别模型在文本对抗攻击场景下的鲁棒性，并提出了一个由边界判别和关联净化组成的鲁棒两阶段少样本命名实体识别方法。该方法通过引入边界判别模块和净化关联模块，提高了命名实体边界检测和实体类型判别的鲁棒性，并在 Few-NERD 和 Cross-Dataset 两个包含对抗样本的少样本命名实体识别数据集上进行了综合评估，展示了其鲁棒性和优越性。

    Dec, 2023

  • 实体识别作为依存句法分析

    本文基于图形依存解析思想，利用双仿射模型对输入进行全局视图，探索所有语句中的跨度，以准确预测命名实体，以 Nested NER 为例， 对 8 个语料库进行了评估并取得了所有语料库的 SOTA 性能，最高的准确度增益高达 2.2 个百分点。

    May, 2020

  • 实体界限干扰攻击命名实体识别

    本文提出了一种名为 ViBA 的新型 NER 攻击方法，通过添加边界来干扰模型决策，对 RoBERTa 和 DeBERTa 等先进语言模型进行攻击，同时具有较高的攻击成功率和更快的速度。

    May, 2023

  • SpanNER: 命名实体重新识别 / 识别作为跨度预测

    本文研究了使用 span prediction 和 sequence labeling 框架进行命名实体识别的优缺点，并提出了系统组合的方法来重新识别来自不同系统的命名实体，并在 11 个数据集上进行了 154 个系统的实验，证明了 span prediction 也可以作为基础 NER 系统和系统组合器，同时也将我们的模型部署到 ExplainaBoard 平台上。

    Jun, 2021

  • 全局指针：一种新的高效基于跨度的命名实体识别方法

    本文提出了一种基于跨度的命名实体识别框架 ——Global Pointer（GP），通过引入一种乘性注意机制来利用相对位置关系，以便在全局范围内考虑开始和结束位置来预测命名实体，并且利用两个模块来组合实体头和实体尾以解决训练过程和推理过程之间的不一致性，同时引入新的分类损失函数来解决不平衡标签问题，大量实验证明，GP 比现有解决方案表现更好。

    Aug, 2022

  • 一种令人尴尬的但对嵌套命名实体识别非常强的基准方法

    本文提出使用卷积神经网络来建模得分矩阵中的空间关系以解决嵌套的命名实体识别问题，实验证明相较于最近提出的同类方法，本文提出的方法更为优秀，并且发现不同的论文使用不同的句子标记化会对结果产生影响，因此提供一种易于使用的预处理脚本以便于日后比较。

    Aug, 2022

  • 一种用于嵌套命名实体识别的序列到集合网络

    提出了一种用于嵌套命名实体识别的序列到集合神经网络，并利用二分匹配的损失函数计算整体训练损失，实验结果表明该模型在三个嵌套命名实体识别数据集上取得了最先进的结果。

    May, 2021

  • 具有关系关注和类型关注的多任务 Transformer 用于命名实体识别

    本文提出一种多任务 Transformer 模型，该模型将实体边界检测任务整合到命名实体识别任务中，通过关系分类来实现实体边界检测，并采用外部知识库和自注意力及交叉注意力机制来提高解码时实体类型映射的准确性。在多个实验数据集上的实验结果表明，该方法显著提高了生成型 NER 模型的性能。

    Mar, 2023