PromptNER：一种基于 k 近邻搜索的小样本命名实体识别提示方法
计算与语言
2023-05-23 v1
摘要
小样本命名实体识别（NER）旨在利用有限的标注样本识别命名实体。近年来，原型网络在小样本 NER 中展现出良好性能。大多数原型网络会利用支持集中的实体构建标签原型，并使用查询集计算跨度级相似度并优化这些标签原型表示。然而，这些方法通常不适用于仅有支持集可用的目标领域微调。本文提出 PromptNER：一种基于 k 近邻搜索的小样本 NER 新颖提示方法。我们使用包含实体类别信息的提示来构建标签原型，使模型仅用支持集即可微调。我们的方法具备优异的迁移学习能力，在 Few-NERD 和 CrossNER 数据集上的大量实验表明，模型性能优于当前最先进的方法。
引用
@article{arxiv.2305.12217,
title = {PromptNER: A Prompting Method for Few-shot Named Entity Recognition via k Nearest Neighbor Search},
author = {Mozhi Zhang and Hang Yan and Yaqian Zhou and Xipeng Qiu},
journal= {arXiv preprint arXiv:2305.12217},
year = {2023}
}
备注
work in progress