基于Transformer并通过对相似领域语料对抗适配的法语命名实体识别
计算与语言
2022-12-08 v1
摘要
命名实体识别（NER）涉及对非结构化文本中命名实体的识别与分类，将其归入预定义类别。在如法语等资源有限的语言中，由于缺乏大规模、鲁棒的标注数据集，NER仍是一个开放问题。本文中，我们提出一种基于Transformer的法语NER方法，利用对相似领域或通用语料的对抗适配以改善特征提取和更好的泛化。我们在三个标注数据集上评估我们的方法，并表明我们的适配框架在各种Transformer模型、源数据集与目标语料的组合下均优于相应的非适配模型。
引用
@article{arxiv.2212.03692,
title = {Transformer-Based Named Entity Recognition for French Using Adversarial Adaptation to Similar Domain Corpora},
author = {Arjun Choudhry and Pankaj Gupta and Inder Khatri and Aaryan Gupta and Maxime Nicol and Marie-Jean Meurs and Dinesh Kumar Vishwakarma},
journal= {arXiv preprint arXiv:2212.03692},
year = {2022}
}
备注
Author version of Student Abstract to appear in AAAI 2023 - Student Abstract and Poster Program