利用补充文本进行命名实体识别的多任务三元组损失
计算与语言
2021-09-29 v1 机器学习
摘要
零售商品数据包含许多不同形式的文本，如商品标题、商品描述、商品名与评论。利用命名实体标注器在其他形式文本中识别商品名颇具价值。然而，商品标题与其描述在句法上不同（但语义相似）：标题未必是通顺句子，而描述由通顺句子构成。本工作中，我们使用三元组损失对比商品标题与描述的嵌入以建立概念验证。我们发现，在多任务NER算法中使用三元组损失使精确率与召回率均小幅提升。尽管提升微小，我们认为这是在多任务算法中利用多种文本形式的正确方向的一步。除精确率与召回率外，多任务三元组损失方法还被发现在完全匹配准确率（即为文本中整个token集合标注正确标签的准确率）上有显著提升。
引用
@article{arxiv.2109.13736,
title = {Multi-Task Triplet Loss for Named Entity Recognition using Supplementary Text},
author = {Ryan Siskind and Shalin Shah},
journal= {arXiv preprint arXiv:2109.13736},
year = {2021}
}