历史结构化文档中嵌套命名实体识别方法的基准评测
信息检索
2023-02-22 v1
摘要
命名实体识别（NER）是从数字化历史文档创建结构化数据的关键步骤。传统 NER 方法处理扁平命名实体，而实体常常是嵌套的。例如，邮政地址可能包含街道名称和门牌号。本文比较了三种嵌套 NER 方法，其中包括两种基于 Transformer 架构的先进方法。我们提出了一种基于联合标注与错误语义加权的新型 Transformer 方法，并在 19 世纪巴黎商业名录数据集上进行了评估。我们针对监督微调、使用含噪文本的无监督预训练以及 IOB 标注格式变化的影响对各类方法进行了评估。结果表明，尽管嵌套 NER 方法能够直接抽取结构化数据，但它们并未从训练期间提供的额外知识中获益，且在扁平实体上达到了与基础方法相近的性能。尽管三种方法在 F1 分数上均表现良好，联合标注最适用于层次化结构数据。最后，我们的实验揭示了 IO 标注格式在此类数据上的优越性。
引用
@article{arxiv.2302.10204,
title = {A Benchmark of Nested Named Entity Recognition Approaches in Historical Structured Documents},
author = {Solenn Tual and Nathalie Abadie and J Chazalon and Bertrand Duménieu and Edwin Carlinet},
journal= {arXiv preprint arXiv:2302.10204},
year = {2023}
}