Qtrade AI 在 SemEval-2022 任务 11 中的系统：一种面向多语言 NER 任务的统一框架
计算与语言
2022-04-18 v1 人工智能
摘要
本文描述了我们的系统，该系统在 SemEval 2022 任务 11：MultiCoNER 多语言复杂命名实体识别中，于多语言赛道（子任务 11）获第三名、混合代码赛道（子任务 12）获第四名、中文赛道（子任务 9）获第七名。我们系统的关键贡献如下：1）对于多语言 NER 任务，我们提供了一种统一框架，可借此轻松执行单语言或多语言 NER 任务；2）对于低资源混合代码 NER 任务，可通过实现几种简单的数据增强方法来轻松扩充其数据集；3）对于中文任务，我们提出了一种能够捕捉中文词汇语义、词汇边界以及词汇图结构信息的模型。最终，在测试阶段，我们的系统在子任务 11、12 和 9 上分别取得了 77.66、84.35 和 74.00 的宏平均 f1 分数。
引用
@article{arxiv.2204.07459,
title = {Qtrade AI at SemEval-2022 Task 11: An Unified Framework for Multilingual NER Task},
author = {Weichao Gan and Yuanping Lin and Guangbo Yu and Guimin Chen and Qian Ye},
journal= {arXiv preprint arXiv:2204.07459},
year = {2022}
}