LMN 在 SemEval-2022 任务 11 上的系统：基于 Transformer 的英语命名实体识别系统
计算与语言
2022-03-08 v1
摘要
处理复杂且模糊的命名实体是一项具有挑战性的研究问题，但自然语言处理社区尚未给予足够关注。在这篇短文中，我们介绍了参与 SemEval-2022 任务 11（多语言复杂命名实体识别）英语赛道的情况。受预训练 Transformer 语言模型近期进展的启发，我们为该任务提出了一种简单而有效的基于 Transformer 的基线。尽管简单，我们提出的方法在排行榜上表现出有竞争力的结果，在 30 支队伍中排名第 12。我们的系统在留出测试集上取得了 72.50% 的宏 F1 分数。我们还探索了一种使用实体链接的数据增强方法。虽然该方法未提升最终性能，我们也在本文中进行了讨论。
引用
@article{arxiv.2203.03546,
title = {LMN at SemEval-2022 Task 11: A Transformer-based System for English Named Entity Recognition},
author = {Ngoc Minh Lai},
journal= {arXiv preprint arXiv:2203.03546},
year = {2022}
}
备注
SemEval 2022 (co-located with NAACL)