第一眼的实体识别：利用眼动信息改进 NER
计算与语言
2019-03-29 v2
摘要
先前研究表明，眼动追踪数据包含有关文本词汇与句法属性的信息，可用于改进自然语言处理模型。在本工作中，我们利用来自三个带有记录注视信息的语料库的眼动特征，通过注视嵌入来增强最先进的命名实体识别（NER）神经网络模型。这些语料库均经人工标注了命名实体标签。此外，我们展示了在词类型层面上泛化的注视特征如何消除测试时对记录眼动追踪数据的需求。使用词级别与类型级别特征的注视增强 NER 模型均优于基线。我们通过在各独立数据集及跨域设定下评估 NER 模型，展示了眼动追踪特征的优势。
引用
@article{arxiv.1902.10068,
title = {Entity Recognition at First Sight: Improving NER with Eye Movement Information},
author = {Nora Hollenstein and Ce Zhang},
journal= {arXiv preprint arXiv:1902.10068},
year = {2019}
}
备注
Accepted at NAACL-HLT 2019