基于 ELMo 与 Wikidata 的细粒度命名实体识别
信息检索
2019-04-25 v1 人工智能
计算与语言
摘要
细粒度命名实体识别是一项检测并将实体提及分类至大量类型集合的任务。这些类型可跨越金融、医疗和政治等多个领域。我们观察到，当类型集合跨越多个领域时，实体检测的准确率会成为监督学习模型的瓶颈。其主要原因在于缺乏实体边界标注恰当且覆盖广泛实体类型的数据集。此外，许多命名实体系统在细粒度实体类型的分类上表现不佳。我们的工作尝试通过结合最先进的深度学习模型（ELMo）与庞大的知识库（Wikidata）来部分解决这些问题。利用我们的框架，我们基于 Wiki(gold) 数据集给出的层级结构，在 112 种细粒度实体类型上对所提模型进行交叉验证。
引用
@article{arxiv.1904.10503,
title = {Fine-Grained Named Entity Recognition using ELMo and Wikidata},
author = {Cihan Dogan and Aimore Dutra and Adam Gara and Alfredo Gemma and Lei Shi and Michael Sigamani and Ella Walters},
journal= {arXiv preprint arXiv:1904.10503},
year = {2019}
}
备注
7 pages, 3 figures