结合近邻分析的小样本命名实体识别方法OACSTPCD
Few shot named entity recognition method combined with neighborhood component analysis
小样本命名实体识别通过少量标注样本构建可应用于未知类别的实体识别模型,是命名实体识别的新兴研究方向.小样本实体识别具有实体边界检测不准确以及训练数据数量少、可见实体类别少的特点,导致模型性能表现不佳,模型极易过拟合.针对这个问题,提出结合近邻分析的小样本命名实体识别方法,将命名实体识别任务分成实体范围检测和实体类别预测两部分完成,其中实体范围检测部分使用片段打分的方法,实体类别预测部分使用近邻分析的方法.此外,为了缓解训练数据少带来的模型过拟合问…查看全部>>
江汀莹;线岩团;王红斌
昆明理工大学 信息工程与自动化学院,云南 昆明 650500||昆明理工大学 云南省人工智能重点实验室,云南 昆明 650500昆明理工大学 信息工程与自动化学院,云南 昆明 650500||昆明理工大学 云南省人工智能重点实验室,云南 昆明 650500昆明理工大学 信息工程与自动化学院,云南 昆明 650500||昆明理工大学 云南省人工智能重点实验室,云南 昆明 650500
电子信息工程
小样本实体识别实体分类过拟合近邻分析算法数据增强泛化性能深度神经网络
few shotentity recognitionentity classificationoverfittingNCA algorithmdata enhancementgeneralization performancedeep neutral network
《现代电子技术》 2023 (19)
88-94,7
国家自然科学基金资助项目(62266028)云南省重大科技专项计划项目课题(202202AD080003-02)
评论