基于次优序列学习与解码的嵌套命名实体识别
计算与语言
2020-07-13 v3
摘要
当一个实体名包含其他名称时，识别所有名称组合会变得困难且代价高昂。我们提出一种新方法，不仅识别最外层命名实体，也识别内部嵌套实体。我们设计了一个目标函数用于训练神经模型，该模型将嵌套实体的标注序列视其父实体跨度内的次优路径。此外，我们提供了推理的解码方法，以由外向内方式从最外层到内层迭代提取实体。我们的方法相对于广泛用于扁平命名实体识别任务的条件随机场模型没有额外超参数。实验表明，我们的方法优于或至少不逊于现有可处理嵌套实体的方法，在ACE-2004、ACE-2005和GENIA数据集上分别取得了85.82%、84.34%和77.36%的F1分数。
引用
@article{arxiv.1909.02250,
title = {Nested Named Entity Recognition via Second-best Sequence Learning and Decoding},
author = {Takashi Shibuya and Eduard Hovy},
journal= {arXiv preprint arXiv:1909.02250},
year = {2020}
}
备注
Accepted to TACL