面向特定领域的嵌套实体识别新型损失函数 EIoU-EMC

近年来，研究主要聚焦于通用实体识别 (NER) 任务。对于特定领域的嵌套实体识别任务仍存在一些挑战。具体而言，低资源场景和类别不平衡问题阻碍了该方法在医学和工业领域的广泛应用。本研究设计了一种新的损失函数 EIoU-EMC，通过增强交并比损失和多分类损失的实现。我们的方法特别利用实体边界和实体分类的信息，从而增强模型从有限数据样本中学习的能力。为验证该创新方法在提升 NER 任务性能方面的效果，我们在三个不同的医学实体识别数据集和一个由我们自行构建的工业复杂设备维修文件数据集上进行了实验。与强大的基线方法相比，我们的方法在所有数据集上都表现出竞争力。在实验分析期间，我们的方法在实体边界识别和实体分类方面均实现了显著的提升。我们的代码已公开。