Trigger-GNN：一种基于触发器的图神经网络用于嵌套命名实体识别
计算与语言
2022-11-08 v2 人工智能
摘要
嵌套命名实体识别（NER）旨在识别复杂层次化句子中的实体边界并判定命名实体的类别。已有一些基于字符级、词级或词典级模型的工作。然而，此类研究忽视了互补标注的作用。本文提出一种基于触发器的图神经网络（Trigger-GNN）以利用嵌套 NER。它通过实体触发器编码和语义匹配获得互补标注嵌入，并利用高效的图消息传递架构（聚合-更新模式）处理嵌套实体。我们认为，使用实体触发器作为外部标注可为整个句子增添互补监督信号。这有助于模型更高效且低成本地学习和泛化。实验表明，Trigger-GNN 在四个公开 NER 数据集上持续优于基线，并能有效缓解嵌套 NER。
引用
@article{arxiv.2204.05518,
title = {Trigger-GNN: A Trigger-Based Graph Neural Network for Nested Named Entity Recognition},
author = {Yuan Sui and Fanyang Bu and Yingting Hu and Wei Yan and Liang Zhang},
journal= {arXiv preprint arXiv:2204.05518},
year = {2022}
}
备注
Accepted by IJCNN-2022. arXiv admin note: text overlap with arXiv:2004.07493 by Yuan Sui