深度顺序对迭代式嵌套命名实体识别模型的影响
计算与语言
2021-04-05 v1 机器学习
摘要
本文研究提及深度顺序对嵌套命名实体识别(NER)模型的影响。NER是生物医学信息抽取中的一项基本任务,由于医学概念可组合形成更大实体,嵌套实体十分常见。常规NER系统仅预测不相交实体。因此,用于嵌套NER的迭代模型利用多次预测枚举所有实体,并强加从大到小或从小到大的预定义顺序。我们设计了一种顺序无关的迭代模型及在训练与预测中选择自定义顺序的流程。为适配该任务,我们提出对Transformer架构的改进,以考虑前序步骤中预测的实体。我们提供了一组实验来研究模型能力及顺序对性能的影响。最后,我们表明从小到大顺序给出了最佳结果。
引用
@article{arxiv.2104.01037,
title = {Effect of depth order on iterative nested named entity recognition models},
author = {Perceval Wajsburt and Yoann Taillé and Xavier Tannier},
journal= {arXiv preprint arXiv:2104.01037},
year = {2021}
}