面向零资源命名实体识别的目标导向微调
计算与语言
2021-07-23 v1
摘要
零资源命名实体识别（NER）在特定领域或语言上严重受限于数据稀缺。大多数零资源 NER 研究通过在不同辅助任务上微调，从多种数据中迁移知识。然而，如何恰当选择训练数据与微调任务仍是一个开放问题。本文从领域、语言和任务三个方面迁移知识，并加强它们之间的联系，以应对该问题。具体而言，我们提出四条实用准则来指导知识迁移与任务微调。基于这些准则，我们设计了一个目标导向微调（TOF）框架，以统一的训练方式利用来自三个方面的多种数据。在六个基准上的实验结果表明，我们的方法在跨领域与跨语言场景下均较基线取得一致提升。特别地，我们在五个基准上取得了新的最先进（state-of-the-art）性能。
引用
@article{arxiv.2107.10523,
title = {Target-Oriented Fine-tuning for Zero-Resource Named Entity Recognition},
author = {Ying Zhang and Fandong Meng and Yufeng Chen and Jinan Xu and Jie Zhou},
journal= {arXiv preprint arXiv:2107.10523},
year = {2021}
}
备注
9 pages, ACL21 Findings