融合相似度负采样的远程监督命名实体识别方法OA北大核心CSTPCD
实体漏标是目前远程监督命名实体识别(distantly supervised named entity recognition,DS-NER)存在的一个难点问题。训练集中的漏标实体在模型训练中提供了不正确的监督信息,模型将在后续预测实体类型时更倾向于将该类实体预测为非实体,导致模型的实体识别和分类能力下降,同时影响了模型的泛化性能。针对这一问题,提出了融合实体特征相似度计算负采样命名实体识别方法。首先,通过对候选样本和标注实体样本进行相似度计算并…查看全部>>
刘杨;线岩团;相艳;黄于欣
昆明理工大学信息工程与自动化学院,昆明650500 云南省人工智能重点实验室,昆明650500昆明理工大学信息工程与自动化学院,昆明650500 云南省人工智能重点实验室,昆明650500昆明理工大学信息工程与自动化学院,昆明650500 云南省人工智能重点实验室,昆明650500昆明理工大学信息工程与自动化学院,昆明650500 云南省人工智能重点实验室,昆明650500
计算机与自动化
命名实体识别实体漏标远程监督负采样数据增强
《计算机应用研究》 2024 (8)
P.2322-2328,7
国家自然科学基金资助项目(62266028)云南重大科技专项计划课题(202202AD080003)。
评论