CodeNER：基于代码提示的命名实体识别
计算与语言
2026-03-27 v4 人工智能
摘要
近期研究探索了将候选命名实体片段视为源序列和目标序列，以利用大语言模型 (LLM) 进行命名实体识别 (NER)。尽管先前方法成功生成带合适标签的候选实体片段，但仅依赖输入上下文信息（尤其是 ChatGPT）进行 NER 存在局限。因而 NER 本质上需要捕获输入上下文与详细标注要求的关联。为此，我们提出一种新方法，通过代码化提示提升 LLM 在 NER 中的理解与执行能力。将代码嵌入提示中，可为标注提供详细的 BIO 模式指令，发挥 LLM 理解编程语言中长程范围的能力。实验结果表明，我们的方法在包括英、阿、芬、丹、德等十个基准数据集上超越传统文本化提示，证明了显式结构化 NER 指令的有效性。我们还验证，将本方法与链路思考提示相结合可进一步提升性能。
引用
@article{arxiv.2507.20423,
title = {CodeNER: Code Prompting for Named Entity Recognition},
author = {Sungwoo Han and Hyeyeon Kim and Jingun Kwon and Hidetaka Kamigaito and Manabu Okumura},
journal= {arXiv preprint arXiv:2507.20423},
year = {2026}
}
备注
18 pages, 7 figures