基于两阶段网络和提示学习的少样本中文命名实体识别OA北大核心CSTPCD
基于提示学习的方法在处理少样本句子级分类任务时效果较好,然而在处理字符级的命名实体识别任务时,现有采用枚举手动构建提示模板的方法效率低下且性能不稳定。针对此问题,提出基于两阶段网络和提示学习的少样本中文命名实体识别方法。第一阶段网络,创新性地引入文本生成模型T5,利用提示学习的思想,将文本生成任务改造为完形填空的形式以自动生成提示模板;第二阶段网络,使用当前主流的BERT-BiLSTM-CRF网络架构进行训练。通过消融实验,探讨了提示模板更合理的…查看全部>>
李准;宋媚;祝义
江苏师范大学计算机科学与技术学院,江苏徐州221116江苏师范大学计算机科学与技术学院,江苏徐州221116江苏师范大学计算机科学与技术学院,江苏徐州221116
计算机与自动化
深度学习命名实体识别大语言模型提示学习文本生成少样本
《南京邮电大学学报（自然科学版）》 2024 (5)
P.87-94,8
国家自然科学基金(71503108,62077029)江苏师范大学科研与实践创新项目(2022XKT1533)资助项目。
评论