面向历史 VET 文档的噪声感知命名实体识别
计算与语言
2026-01-05 v1 信息检索
机器学习
摘要
本文聚焦于 Vocational Education and Training (VET) 领域的命名实体识别 (NER)，特别是那些因光学字符识别 (OCR) 引入噪声的历史扫描文档。我们提出一种鲁棒的 NER 方法，利用噪声感知训练 (NAT) 引入人工 OCR 错误、迁移学习和多阶段微调。系统比较了在噪声数据、干净数据和人工数据上的训练策略。我们的方法是首次在 VET 文档中识别多实体类型的一种方法。该方法应用于德文文档，但可移植到任意语言。实验结果表明，领域特定和噪声感知的微调在噪声条件下显著提高了鲁棒性和准确性。我们提供可公开获取的代码，以实现特定领域的噪声感知 NER。
引用
@article{arxiv.2601.00488,
title = {Noise-Aware Named Entity Recognition for Historical VET Documents},
author = {Alexander M. Esser and Jens Dörpinghaus},
journal= {arXiv preprint arXiv:2601.00488},
year = {2026}
}
备注
This is an extended, non-peer-reviewed version of the paper presented at VISAPP 2026