将嵌套命名实体识别作为潜在词汇化 constituency 句法分析
计算与语言
2022-03-10 v1
摘要
嵌套命名实体识别（NER）正受到越来越多的关注。最近，（Fu 等人，2021）将基于 span 的 constituency 解析器用于解决嵌套 NER。他们将嵌套实体视为部分观测的 constituency 树，并提出了用于部分边缘化的掩码 inside 算法。然而，他们的方法无法利用实体中心词（entity head），而实体中心词已被证明在实体提及检测和实体类型标注中是有用的。在本工作中，我们诉诸更具表达力的结构，即由中心词标注成分的词汇化 constituency 树，来建模嵌套实体。我们利用 Eisner-Satta 算法高效地执行部分边缘化和推断。此外，我们提出使用（1）两阶段策略、（2）中心词正则化损失和（3）中心词感知标注损失以提升性能。我们进行了彻底的消融研究以探究各组件的功能。在实验上，我们的方法在 ACE2004、ACE2005 和 NNE 上取得了最先进的性能，在 GENIA 上取得了有竞争力的性能，同时具有较快的推断速度。
引用
@article{arxiv.2203.04665,
title = {Nested Named Entity Recognition as Latent Lexicalized Constituency Parsing},
author = {Chao Lou and Songlin Yang and Kewei Tu},
journal= {arXiv preprint arXiv:2203.04665},
year = {2022}
}
备注
ACL 2022 camera ready