DualNER：一种用于零样本跨语言命名实体识别的双教学框架
计算与语言
2022-12-13 v2
摘要
我们提出 DualNER，一个简单而有效的框架，用于充分利用带标注的源语言语料库与无标注的目标语言文本进行零样本跨语言命名实体识别（NER）。具体而言，我们将 NER 的两种互补学习范式，即序列标注与跨度预测，组合进一个统一的多任务框架。在源数据上获得充分的 NER 模型后，我们以{\it 双教学}方式在目标数据上进一步训练它，其中某一任务的伪标签由另一任务的预测构建。此外，基于跨度预测，提出一种实体感知正则化以增强不同语言中相同实体间内在的跨语言对齐。实验与分析证明了我们的 DualNER 的有效性。代码见 https://github.com/lemon0830/dualNER。
引用
@article{arxiv.2211.08104,
title = {DualNER: A Dual-Teaching framework for Zero-shot Cross-lingual Named Entity Recognition},
author = {Jiali Zeng and Yufan Jiang and Yongjing Yin and Xu Wang and Binghuai Lin and Yunbo Cao},
journal= {arXiv preprint arXiv:2211.08104},
year = {2022}
}
备注
Findings of EMNLP 2022