基于 Transformer 的 ultra fine-grained 实体识别方法 (RUFES)
计算与语言
2021-04-14 v1 信息检索
摘要
本文总结了拉罗谢尔大学计算机、图像与交互实验室 (L3i 实验室) 参与文本分析会议 (TAC) 系列评估研讨会中 ultra fine-grained 实体识别 (RUFES) 赛道的情况。我们的参与基于两个神经模型：一个基于预训练并微调的语言模型，带有堆叠的 Transformer 层用于细粒度实体抽取；以及一个开箱即用的模型用于文档内实体共指。我们观察到，我们的方法在提升细粒度实体识别性能方面具有巨大潜力。因此，展望的未来工作是通过额外实验和对结果的更深入分析来增强模型的能力。
引用
@article{arxiv.2104.06048,
title = {Transformer-based Methods for Recognizing Ultra Fine-grained Entities (RUFES)},
author = {Emanuela Boros and Antoine Doucet},
journal= {arXiv preprint arXiv:2104.06048},
year = {2021}
}