GlobalNER: Incorporating Non-local Information into Named Entity Recognition

要約

現在、多くの自然言語処理(NLP)タスクでは、ローカル情報以外の外部知識を取り込み、さらに性能を向上させることが求められている。しかし、NLPの基礎の一つである名前付き固有表現認識(NER)に関する関連研究はほとんどない。具体的には、NERの向上を目的とした、関連情報を検索するためのクエリ生成と再ランキングに関する研究は行われていない。本研究では、DNNに基づくクエリ生成手法と、BERTScoreに基づく言及を考慮した再ランキングアーキテクチャが、特にNERに有効であることを実証する。最終的に、WNUT17データセットにおいて61.56 micro-f1スコアという最新鋭の性能を達成した。

要約(オリジナル)

Nowadays, many Natural Language Processing (NLP) tasks see the demand for incorporating knowledge external to the local information to further improve the performance. However, there is little related work on Named Entity Recognition (NER), which is one of the foundations of NLP. Specifically, no studies were conducted on the query generation and re-ranking for retrieving the related information for the purpose of improving NER. This work demonstrates the effectiveness of a DNN-based query generation method and a mention-aware re-ranking architecture based on BERTScore particularly for NER. In the end, a state-of-the-art performance of 61.56 micro-f1 score on WNUT17 dataset is achieved.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL