用于命名实体识别的边界偏移预测网络
计算与语言
2023-10-31 v1
摘要
命名实体识别（NER）是自然语言处理中的一项基础任务，旨在识别和分类文本中的命名实体。然而，基于片段的 NER 方法通常将实体类型分配给文本片段，导致样本空间不平衡，并忽视了非实体片段与实体片段之间的联系。为解决这些问题，我们提出了一种用于 NER 的新方法，称为边界偏移预测网络（BOPN），它预测候选片段与其最近实体片段之间的边界偏移。通过利用边界偏移的引导语义，BOPN 在非实体片段与实体片段之间建立联系，使非实体片段能够作为实体检测的额外正样本。此外，我们的方法整合实体类型和片段表示以生成类型感知的边界偏移，而不是将实体类型用作检测目标。我们在八个广泛使用的 NER 数据集上进行了实验，结果表明我们提出的 BOPN 优于先前的最先进方法。
引用
@article{arxiv.2310.18349,
title = {A Boundary Offset Prediction Network for Named Entity Recognition},
author = {Minghao Tang and Yongquan He and Yongxiu Xu and Hongbo Xu and Wenyuan Zhang and Yang Lin},
journal= {arXiv preprint arXiv:2310.18349},
year = {2023}
}
备注
Accepted by Findings of EMNLP 2023, 13 pages