ANEA：面向低资源命名实体识别的远程监督
计算与语言
2021-04-16 v2
摘要
远程监督能够在仅存在有限人工标注数据的低资源场景下获取标注训练语料。然而，要有效使用，远程监督必须易于收集。本工作中，我们提出ANEA，一个基于实体列表自动标注文本中命名实体的工具。它涵盖了从获取列表到分析远程监督错误的完整流程。一个调优步骤允许用户以其语言学见解改进自动标注，而无需手动标注或检查所有词元。在六个低资源场景中，我们展示通过ANEA获得的远程监督数据可使F1分数平均提升18点。
引用
@article{arxiv.2102.13129,
title = {ANEA: Distant Supervision for Low-Resource Named Entity Recognition},
author = {Michael A. Hedderich and Lukas Lange and Dietrich Klakow},
journal= {arXiv preprint arXiv:2102.13129},
year = {2021}
}
备注
Accepted at Practical Machine Learning For Developing Countries @ ICLR 2021