全局与局部上下文在命名实体识别中的作用

预训练的基于 Transformer 的模型在应用于命名实体识别（NER）时近期表现出优异性能。由于其自注意力机制的复杂性使其无法一次性处理长文档，这些模型通常以顺序方式应用。遗憾的是，这种方法仅纳入了局部上下文，无法利用小说等长文档中的全局文档上下文，这可能阻碍性能。在本文中，我们探究了全局文档上下文的影响及其与局部上下文的关系。我们发现，正确检索全局文档上下文比仅利用局部上下文对性能的影响更大，这提示需要进一步研究如何更好地检索该上下文。