CLaC 在 SemEval-2023 任务 2 中的工作：比较用于命名实体识别的跨度预测与序列标注方法
计算与语言
2023-05-09 v1 人工智能
摘要
本文总结了 CLaC 针对 MultiCoNER 2 任务的提交，该任务涉及复杂细粒度命名实体的识别。我们比较了两种流行的 NER 方法，即序列标注与跨度预测。我们发现，在测试数据上，我们最优的跨度预测系统表现略优于最优的序列标注系统。此外，我们发现使用更大版本的 XLM RoBERTa 显著提升了性能。竞赛后的实验表明，当使用 XLM-RoBERTa 的特殊输入词元（<s> 与 </s>）时，跨度预测与序列标注方法均有所改进。所有模型的训练、预处理与后处理代码可在 https://github.com/harshshredding/semeval2023-multiconer-paper 获取。
引用
@article{arxiv.2305.03845,
title = {CLaC at SemEval-2023 Task 2: Comparing Span-Prediction and Sequence-Labeling approaches for NER},
author = {Harsh Verma and Sabine Bergler},
journal= {arXiv preprint arXiv:2305.03845},
year = {2023}
}
备注
Accepted at the ACL SemEval-2023 Workshop