基于提议器与回归器的端到端实体检测
计算与语言
2023-05-23 v5
摘要
命名实体识别是自然语言处理中的一项传统任务。其中，由于嵌套现象广泛存在，嵌套实体识别受到广泛关注。最新研究将目标检测中成熟的集合预测范式迁移以处理实体嵌套。然而，人工创建的查询向量无法适应上下文中丰富的语义信息，限制了这些方法。本文提出一种基于提议器与回归器的端到端实体检测方法以解决上述问题。首先，提议器利用特征金字塔网络生成高质量的实体提议；随后，回归器对提议进行精修以生成最终预测。该模型采用仅编码器的架构，从而具备查询语义丰富、实体定位精度高以及模型易于训练的优势。此外，我们引入了新颖的空间调制注意力与渐进式精修以进一步提升性能。大量实验表明，我们的模型在扁平与嵌套 NER 上均取得先进性能，在 GENIA 数据集上达到 80.74 的新 SOTA F1 分数，在 WeiboNER 数据集上达到 72.38。
引用
@article{arxiv.2210.10260,
title = {End-to-End Entity Detection with Proposer and Regressor},
author = {Xueru Wen and Changjiang Zhou and Haotian Tang and Luguang Liang and Yu Jiang and Hong Qi},
journal= {arXiv preprint arXiv:2210.10260},
year = {2023}
}
备注
Accepted to the Neural Processing Letters (2023)