面向人力资源领域的荷兰语命名实体识别与去标识方法
计算与语言
2021-06-07 v1
摘要
人力资源（HR）领域包含各类隐私敏感文本数据，例如电子邮件往来与绩效评估。对这些文档开展研究带来若干挑战，其中之一是匿名化。本文通过四个步骤评估当前HR领域的荷兰语文本去标识方法。第一，通过使用最新的命名实体识别（NER）模型更新其中一种方法。结果是基于CoNLL 2002语料库的NER模型结合BERTje transformer给出了抑制人物（召回率0.94）和地点（召回率0.82）的最佳组合。对于抑制性别，DEDUCE表现最佳（召回率0.53）。第二，NER评估基于实体的严格去标识（人物必须作为人物被抑制）以及第三，基于宽松意义上的去标识（无论人物以何种方式被抑制，只要被抑制即可）。在第四也是最后一步，测试了一种用于识别文本中职位名称的新型NER数据集。
引用
@article{arxiv.2106.02287,
title = {Dutch Named Entity Recognition and De-identification Methods for the Human Resource Domain},
author = {Chaïm van Toledo and Friso van Dijk and Marco Spruit},
journal= {arXiv preprint arXiv:2106.02287},
year = {2021}
}