重新审视远程监督命名实体识别：新基准与简易方法
计算与语言
2024-12-18 v3 机器学习
摘要
远程监督命名实体识别 (DS-NER) 利用知识库或词典进行标注，减少了人工工作量，但依赖于大型人工标注验证集。在本文中，我们引入了一个真实的 DS-NER 数据集 QTL，其训练数据使用领域词典标注，测试数据由领域专家标注。该数据集具有较小的验证集，反映了现实场景。现有的 DS-NER 方法在应用于 QTL 时失效，这促使我们重新审视现有的 DS-NER 方法。我们发现，许多方法依赖于大型验证集，且部分方法不恰当地使用了测试集进行调优。为解决这一问题，我们提出了一种新方法：基于课程学习的词级正未学习 (CuPUL)，该方法利用课程学习将训练样本从易到难排序。这种方法稳定了训练过程，使其在小型验证集上具有鲁棒性和有效性。CuPUL 还利用正未学习范式解决了假阴性问题，在现实应用中表现出性能提升。
引用
@article{arxiv.2402.14948,
title = {Re-Examine Distantly Supervised NER: A New Benchmark and a Simple Approach},
author = {Yuepei Li and Kang Zhou and Qiao Qiao and Qing Wang and Qi Li},
journal= {arXiv preprint arXiv:2402.14948},
year = {2024}
}
备注
This is has been accepted by COLING 2025