基于双相似性的对抗示范学习：面向低资源 NER 的方法
计算与语言
2025-07-23 v1 机器学习
摘要
我们研究了基于示范学习的命名实体识别（NER）问题在低资源场景下的挑战。我们指出了示范构建和模型训练中的两个问题。首先，现有方法选择示范示例主要依赖语义相似性，我们表明特征相似性可提供显著的性能提升。其次，我们表明 NER 标注器对参考示范示例的能力 generally 不足。我们提出了一种有效应对这些问题的示范与训练方法。针对第一个问题，我们提出按双相似性选择示例，即同时考虑语义相似性和特征相似性。针对第二个问题，我们提出通过对抗示范训练 NER 模型，迫使模型在完成标注任务时必须参考示范。我们在低资源 NER 任务上进行了全面实验，结果显示我们的方法在多种方法上均显著优于其中。
引用
@article{arxiv.2507.15864,
title = {Adversarial Demonstration Learning for Low-resource NER Using Dual Similarity},
author = {Guowen Yuan and Tien-Hsuan Wu and Lianghao Xia and Ben Kao},
journal= {arXiv preprint arXiv:2507.15864},
year = {2025}
}