使用指针生成网络在法律领域进行命名实体识别
计算与语言
2020-12-21 v1 信息检索
机器学习
摘要
命名实体识别（NER）是在非结构化文本中识别并分类命名实体的任务。在法律领域，感兴趣的命名实体可能包括案件当事人、法官、法院名称、案号、法律引用等。我们研究从美国法院归档案件 PDF 文件中提取的含噪文本上的法律 NER 问题。NER 系统的“金标准”训练数据对文本中每个词元提供相应实体或非实体标注。我们仅使用部分完整的训练数据，其与金标准 NER 数据的区别在于实体的精确位置未知，且实体可能包含拼写错误和/或 OCR 错误。为克服含噪训练数据（如文本提取错误、拼写错误及未知标注索引）带来的挑战，我们将 NER 任务表述为文本到文本序列生成任务，并训练一个指针生成网络来生成文档中的实体而非标注它们。我们表明，在缺乏金标准数据的情况下，指针生成网络可有效用于 NER，并在长法律文档中优于常见的 NER 神经网络架构。
引用
@article{arxiv.2012.09936,
title = {Named Entity Recognition in the Legal Domain using a Pointer Generator Network},
author = {Stavroula Skylaki and Ali Oskooei and Omar Bari and Nadja Herger and Zac Kriegman},
journal= {arXiv preprint arXiv:2012.09936},
year = {2020}
}