面向日语句分类与命名实体识别多任务学习的句到标签生成框架
计算与语言
2023-06-29 v1
摘要
信息抽取（IE）是自然语言处理中的关键子领域。本研究提出一种结合句子分类（SC）与命名实体识别（NER）的句子分类与命名实体识别多任务（SCNM）方法。我们为 SCNM 开发了句到标签生成（SLG）框架，并构建了包含 SC 与 NER 的维基百科数据集。利用格式转换器统一输入格式，并采用生成模型生成 SC 标签、NER 标签及相关文本片段。我们提出约束机制（CM）以提升生成格式准确率。结果表明，与独立任务相比，SCNM 中 SC 准确率提升 1.13 点、NER 提升 1.06 点，且 CM 将格式准确率从 63.61 提升至 100。研究发现 SC 与 NER 之间存在相互增强效应，且集成可提升两项任务性能。
引用
@article{arxiv.2306.15978,
title = {Sentence-to-Label Generation Framework for Multi-task Learning of Japanese Sentence Classification and Named Entity Recognition},
author = {Chengguang Gan and Qinghao Zhang and Tatsunori Mori},
journal= {arXiv preprint arXiv:2306.15978},
year = {2023}
}
备注
Accept in NLDB2023 as Long Paper