多粒度命名实体识别
计算与语言
2020-04-06 v1
摘要
本文提出了一种用于多粒度命名实体识别（Multi-Grained Named Entity Recognition, MGNER）的新框架，其中句子中的多个实体或实体提及可以是非重叠或完全嵌套的。与传统将 NER 视为序列标注任务并连续标注实体的方法不同，MGNER 在多个粒度上检测和识别实体：它能够在不明确假设非重叠或完全嵌套结构的情况下识别命名实体。MGNER 由一个检查所有可能词段的检测器和一个对实体进行分类的分类器组成。此外，上下文信息和自注意力机制在整个框架中被利用以提升 NER 性能。实验结果表明，在嵌套/非重叠 NER 任务中，MGNER 的 F1 分数比当前最先进的基线高出至多 4.4%。
引用
@article{arxiv.1906.08449,
title = {Multi-Grained Named Entity Recognition},
author = {Congying Xia and Chenwei Zhang and Tao Yang and Yaliang Li and Nan Du and Xian Wu and Wei Fan and Fenglong Ma and Philip Yu},
journal= {arXiv preprint arXiv:1906.08449},
year = {2020}
}
备注
In ACL 2019 as a long paper