用于中文命名实体识别的统一格图融合
计算与语言
2023-12-29 v1
摘要
将词典整合到字符级序列中已被证明在中文命名实体识别（NER）中能有效利用词边界和语义信息。然而，先前的方法通常利用特征加权和位置耦合来整合词信息，却忽略了字符-词空间中细粒度语义单元之间的语义和上下文对应关系。为了解决这个问题，我们提出了一种用于中文 NER 的统一格图融合（ULGF）方法。ULGF 通过将格结构转换为统一图，可以利用邻接矩阵显式捕获不同语义单元之间的各种语义和边界关系。我们堆叠了多个基于图的源内自注意力和源间交叉门控融合层，这些层迭代地执行语义交互以学习节点表示。为了减轻对词信息的过度依赖，我们进一步提出利用词典实体分类作为辅助任务。在四个中文 NER 基准数据集上的实验证明了我们的 ULGF 方法的优越性。
引用
@article{arxiv.2312.16917,
title = {Unified Lattice Graph Fusion for Chinese Named Entity Recognition},
author = {Dixiang Zhang and Junyu Lu and Pingjian Zhang},
journal= {arXiv preprint arXiv:2312.16917},
year = {2023}
}