18 统一命名实体识别作为字词关系分类

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：
  • MLP 预测器 + Biaffine 预测器。

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。