Jul, 2024
领域特定场景下的命名实体识别的少样本提示优化
FsPONER: Few-shot Prompt Optimization for Named Entity Recognition in
Domain-specific Scenarios
TL;DRFsPONER是一种新颖的优化少样本提示的方法,通过在工业制造和维护领域中使用多种大型语言模型,特别是GPT-4-32K、GPT-3.5-Turbo、LLaMA 2-chat和Vicuna,将其与微调BERT和LLaMA 2-chat等模型进行性能评估,结果显示FsPONER的TF-IDF方法在数据稀缺的真实场景中的命名实体识别性能上超过微调模型约10%。