DiffusionNER：用于命名实体识别的边界扩散方法
计算与语言
2023-05-23 v1
摘要
本文提出DiffusionNER，将命名实体识别任务表述为边界去噪扩散过程，从而从含噪跨度中生成命名实体。在训练期间，DiffusionNER通过固定的前向扩散过程逐步向黄金实体边界添加噪声，并学习一个反向扩散过程以恢复实体边界。在推理时，DiffusionNER首先从标准高斯分布中随机采样若干含噪跨度，随后利用学到的反向扩散过程对其去噪以生成命名实体。所提出的边界去噪扩散过程允许对实体进行渐进式精炼与动态采样，赋予DiffusionNER高效且灵活的实体生成能力。在多个扁平与嵌套NER数据集上的实验表明，DiffusionNER取得了与先前最先进（SOTA）模型相当甚至更优的性能。
引用
@article{arxiv.2305.13298,
title = {DiffusionNER: Boundary Diffusion for Named Entity Recognition},
author = {Yongliang Shen and Kaitao Song and Xu Tan and Dongsheng Li and Weiming Lu and Yueting Zhuang},
journal= {arXiv preprint arXiv:2305.13298},
year = {2023}
}
备注
Accepted to ACL 2023, submission version