NameRec*：高精度细粒度人名识别
计算与语言
2021-03-24 v2
摘要
在本文中，我们引入了 NameRec* 任务，旨在实现高精度、细粒度的人名识别。传统的命名实体识别模型在从语法一致且完整的新闻文章等文本中识别规范形式的人名方面表现良好。然而，在用户生成内容和学术主页等句子语法不完整、人名形式多样的快速增长的场景中，传统方法面临挑战。为应对此类语境下的人名识别，我们提出了一种基于人名学的细粒度标注方案。为充分利用细粒度标注，我们提出了一种用于人名识别的协同引导神经网络（Co-guided Neural Network, CogNN）。CogNN 充分挖掘句内上下文以及人名形式的丰富训练信号。为更好地利用句间上下文与隐式关系（这对于长文档中的人名识别极为关键），我们进一步提出了句间 BERT 模型（Inter-sentence BERT Model, IsBERT）。IsBERT 具有重叠输入处理器，以及带有双向重叠上下文嵌入学习和多跳推理机制的句间编码器。为从不同上下文丰富度各异的文档中获益，我们提出了一种先进的自适应句间 BERT 模型（Adaptive Inter-sentence BERT Model, Ada-IsBERT），以针对不同文档动态调整句间重叠比例。我们进行了大量实验，以证明所提方法在学术主页和新闻文章上的优越性。
引用
@article{arxiv.2103.11360,
title = {NameRec*: Highly Accurate and Fine-grained Person Name Recognition},
author = {Rui Zhang and Yimeng Dai and Shijie Liu},
journal= {arXiv preprint arXiv:2103.11360},
year = {2021}
}