基于结构化最近邻学习的简单高效少样本命名实体识别
计算与语言
2020-10-07 v1
摘要
我们提出了一种基于最近邻学习和结构化推断的简单少样本命名实体识别（NER）系统。我们的系统使用在源域上训练的有监督NER模型作为特征提取器。在多个测试域上，我们表明该特征空间中最近邻分类器的效果远优于标准元学习方法。我们进一步提出了一种廉价但有效的方法，以在不进行昂贵CRF训练的情况下捕获实体标签之间的依赖关系。我们表明，将结构化解码与最近邻学习相结合的方法在标准少样本NER评测任务上达到了最先进性能，相较先前基于元学习的系统绝对F1分数提升了至。
引用
@article{arxiv.2010.02405,
title = {Simple and Effective Few-Shot Named Entity Recognition with Structured Nearest Neighbor Learning},
author = {Yi Yang and Arzoo Katiyar},
journal= {arXiv preprint arXiv:2010.02405},
year = {2020}
}
备注
Accepted by EMNLP 2020