HAMNER：面向领域特定命名实体识别的头部词增强多片段远程监督方法
计算与语言
2019-12-05 v1
摘要
为应对命名实体识别（NER）任务，监督方法需要获取充足的干净标注数据，这既耗费人力又耗时。相反，远程监督方法利用词典自动获取标注数据，以缓解这一需求。遗憾的是，由于词典覆盖率有限，尤其在特定领域中，其阻碍了远程监督方法在 NER 中的有效性。本文针对词典使用与提及边界检测的局限性展开研究。我们通过基于头部词的非精确匹配扩展词典，从而推广远程监督。我们应用一个函数以更好地对匹配到的实体提及赋权。我们提出一个片段级模型，该模型对所有可能片段进行分类，随后利用所提出的动态规划算法推断被选中的片段。在全部三个基准数据集上的实验表明，我们的方法优于先前最先进的远程监督方法。
引用
@article{arxiv.1912.01731,
title = {HAMNER: Headword Amplified Multi-span Distantly Supervised Method for Domain Specific Named Entity Recognition},
author = {Shifeng Liu and Yifang Sun and Bing Li and Wei Wang and Xiang Zhao},
journal= {arXiv preprint arXiv:1912.01731},
year = {2019}
}
备注
9 pages, 2 figures