Span-Prototype Graph Based on Graph Attention Network for Nested Named Entity Recognition

doi:10.3390/electronics12234753

Span-Prototype Graph Based on Graph Attention Network for Nested Named Entity Recognition

2023-11-23

0

OA

AI

DOI：10.3390/electronics12234753

原文链接

原文求助

摘要

En 中文

命名实体识别是自然语言处理中的一个基础任务，其在处理嵌套实体时面临着与广泛使用的序列标注框架相关的挑战。基于跨度（span-based）的方法将嵌套命名实体识别转化为跨度分类任务，这使得它成为处理重叠实体的一种高效方式。然而，跨度之间过多的重叠可能会使模型混淆，导致分类性能不准确。此外，训练数据集中提到的实体包含丰富的实体信息，这些信息并未得到充分利用。因此，本文构建了一个跨度原型图（span-prototype graph）以改进跨度表示并增强其区分度。具体而言，我们利用训练数据集中的实体提及为每个实体类别创建原型，并通过添加原型损失来使跨度适应其相似原型。然后，我们将原型和跨度输入图注意力网络（GAT），使跨度能够自动从不同的原型中学习，从而将实体信息整合到跨度表示中。在ACE2004、ACE2005和GENIA三个常见的嵌套命名实体识别数据集上的实验表明，所提出的方法在ACE2004、ACE2005和GENIA上分别取得了87.28%、85.97%和79.74%的F1分数，性能优于基线方法。

Span-Prototype Graph Based on Graph Attention Network for Nested Named Entity Recognition

摘要

期刊

机构

引用论文