核心观点与关键数据
背景
- 联邦窃听法规中,宾夕法尼亚州广播电台的责任存在争议。
- 实体识别面临三种挑战:不连续实体、重叠实体和不规则实体。
- 现有工作主要关注实体边界识别,忽略实体词间的相邻关系。
统一命名实体识别(Unified NER)
- 目标:识别连续实体、重叠实体和不连续实体。
- 关键关系:
- THW-*:表示单词网格某行是实体的尾部。
- NNW:Next-Neighboring-Word,指示单词对属于实体提及。
模型架构
- 编码器层:
- BERT + 最大池化 + 双向 LSTM。
- 条件层归一化 + 多粒度扩张卷积。
- 预测器层:
训练与解码
- 训练:最小化负对数似然损失。
- 解码:通过路径搜索识别实体提及,THW 关系辅助消歧。
实验数据集
- 14 个数据集涵盖:
- Flat NER(连续实体)。
- Overlapped NER(重叠实体)。
- 不连续 NER。
- 数据集包括:
- CADEC、ShARe13/14、ACE 2004/2005、GENIA、CoNLL-2003、OntoNotes 5.0/4.0、MSRA、微博、简历等。
研究结论
- W2NER 模型能有效识别连续、重叠和不连续实体。
- 通过 THW 和 NNW 关系提升识别精度,尤其在不连续和重叠场景中。
- 实验验证模型在多个数据集上的泛化能力。
联系方式
- 邮箱:theodorelee@whu.edu.cn 或 life_csnlp@whu.edu.cn。
- 代码:https://github.com/ljynlp/W2NER.git。