MFE-NER：用于中文命名实体识别的多特征融合嵌入
计算与语言
2024-04-19 v2
摘要
在中文命名实体识别中，字符替换是一种复杂的语言现象。一些汉字因共享相同部件或发音相似而极为相像。人们将命名实体中的字符替换为相似字符以生成新搭配，但指代同一对象。结果，这常导致 NER 任务中不可识别或错标错误。本文提出一种轻量方法 MFE-NER，融合字形与语音特征，以有限额外代价帮助预训练语言模型处理 NER 任务中的字符替换问题。基本上，在字形域，我们将汉字拆解为五笔部件以表示结构特征。在语音域，我们提出一种改进的拼音系统，使之能合理描述汉字间语音相似性。实验表明，我们的方法在检测字符替换方面表现尤为出色，同时轻微提升了中文 NER 的整体性能。
引用
@article{arxiv.2109.07877,
title = {MFE-NER: Multi-feature Fusion Embedding for Chinese Named Entity Recognition},
author = {Jiatong Li and Kui Meng},
journal= {arXiv preprint arXiv:2109.07877},
year = {2024}
}