SANTA：面向远程监督命名实体识别中不准确与不完整标注噪声的分离策略
计算与语言
2025-10-14 v3 人工智能
摘要
远程监督命名实体识别有效缓解了监督设定下耗时且昂贵的标注负担。但上下文无关匹配过程与知识库覆盖有限分别引入了不准确与不完整标注噪声。以往研究或仅考虑不完整标注噪声，或以相同策略不加区分地处理两类噪声。本文认为，两类噪声成因不同，这带来了在模型架构上采用不同策略的需求。因此，我们提出 SANTA，分别处理这两类噪声：（1）采用记忆平滑焦点损失与实体感知 KNN 缓解由不准确标注引发的实体歧义问题；（2）采用边界混合上采样缓解由不完整标注导致的决策边界偏移问题，并采用噪声容忍损失提升鲁棒性。得益于我们量身定制的分离策略，实验证实两类噪声均得到良好抑制。SANTA 在五个公开数据集上也取得了新的最先进性能。
引用
@article{arxiv.2305.04076,
title = {SANTA: Separate Strategies for Inaccurate and Incomplete Annotation Noise in Distantly-Supervised Named Entity Recognition},
author = {Shuzheng Si and Zefan Cai and Shuang Zeng and Guoqiang Feng and Jiaxing Lin and Baobao Chang},
journal= {arXiv preprint arXiv:2305.04076},
year = {2025}
}
备注
ACL 2023 (Findings)