面向奇幻小说中角色检测的鲁棒性数据增强
计算与语言
2023-02-10 v1
摘要
命名实体识别（NER）是一项底层任务，常作为解决高层自然语言处理（NLP）问题的基础。在小说角色检测中，NER的漏报（false negatives）可能成为问题，因为它们可能意味着完全遗漏某些角色或关系。在本文中，我们展示了应用一种简单直接的数据增强技术，能够以在模糊实体上损失一定精确率为代价，训练出具有更高召回率的模型。我们表明，这种精确率的下降可通过为模型提供更多局部上下文来缓解，从而解决部分歧义。
引用
@article{arxiv.2302.04555,
title = {Data Augmentation for Robust Character Detection in Fantasy Novels},
author = {Arthur Amalvy and Vincent Labatut and Richard Dufour},
journal= {arXiv preprint arXiv:2302.04555},
year = {2023}
}
备注
accepted in COMHUM 2022