角色纳入命名实体识别与排序

大多数自然语言处理系统都用于实体处理，涉及信息抽取、问答、文本摘要等多个任务。当实体在特定情境中根据其行为或属性扮演角色时，便提出了新挑战。实体角色检测是指为实体分配此类角色的任务。通常情况下，实体类型包括人物、地点和组织等。角色可视为这些类型的子类型。在需要基于其角色检索实体子集时，便面临定义角色以及具有这些角色的实体的问题。本文提出将实体角色检测问题建模为命名实体识别（NER）和实体检索/排序任务的方法。 在 NER 中，这些角色可被视为互斥类别，标准 NER 方法（如序列标注）可用于之。对于实体检索，角色可被建模为查询，实体则是需要执行查询的集合。实体检索任务的不同之处在于，实体和角色是间接描述的。我们构建了自动学习代表性词语和短语的方法，以构建角色和实体的表示。我们还探索了句子和文档等不同语境。由于角色依赖于语境，因此不总能获得大规模领域特定数据集或知识库以进行学习，因此我们尝试以领域无关的方式利用小数据集中的信息。