利用全局-局部去噪框架改进跨语言命名实体识别的伪标签

跨语言命名实体识别（NER）旨在仅利用有标签的源语言数据和无标签的目标语言数据，为目标语言训练NER模型。先前的方法要么对翻译后的源语言数据进行标签投影，要么使用源模型为目标语言数据分配伪标签，并在这些伪标签数据上训练目标模型以泛化到目标语言。然而，这些自动标注过程不可避免地引入噪声标签，从而导致性能下降。在本文中，我们提出了一种用于跨语言NER的全局-局部去噪框架（GLoDe）。具体而言，GLoDe通过利用语义空间中的全局和局部分布信息，引入渐进式去噪策略来纠正错误的伪标签。精炼后的伪标签目标语言数据显著提高了模型的泛化能力。此外，先前的方法仅考虑利用语言无关特征改进模型，但我们认为目标语言特定特征也很重要，不应被忽视。为此，我们采用一个简单的辅助任务来实现这一目标。在包含六种目标语言的两个基准数据集上的实验结果表明，我们提出的GLoDe显著优于当前最先进的方法。