FLAT：基于扁平格变换器的中文命名实体识别
计算与语言
2020-06-01 v2
摘要
近年来，字-词格结构通过引入词信息已被证明对中文命名实体识别（NER）有效。然而，由于格结构复杂且动态，大多数现有的基于格的模型难以充分利用GPU的并行计算，且通常推理速度较低。在本文中，我们提出FLAT：用于中文NER的扁平格变换器（Flat-LAttice Transformer），其将格结构转换为由跨度（span）组成的扁平结构。每个跨度对应于一个字符或潜在词及其在原始格中的位置。借助Transformer的能力与精心设计的位置编码，FLAT能够充分利用格信息并具备出色的并行化能力。在四个数据集上的实验表明，FLAT在性能与效率上均优于其他基于词典的模型。
引用
@article{arxiv.2004.11795,
title = {FLAT: Chinese NER Using Flat-Lattice Transformer},
author = {Xiaonan Li and Hang Yan and Xipeng Qiu and Xuanjing Huang},
journal= {arXiv preprint arXiv:2004.11795},
year = {2020}
}
备注
Accepted to the ACL 2020