Type-Aware Decomposed Framework for Few-Shot Named Entity Recognition

要約

少数ショットの固有表現認識 (NER) タスクにおいて、いくつかの 2 段階のプロトタイプ ネットワークが最近成功を収めたにもかかわらず、スパン検出段階での誤ったスパンの過剰検出と、タイプ分類段階での不正確で不安定なプロトタイプは、依然として困難な問題として残っています。
この論文では、これらの問題を解決するために、新しいタイプ認識分解フレームワーク、すなわち TadNER を提案します。
まず、型名から意味的に遠く離れたスパンを削除することで偽のスパンを除外する、型を認識したスパン フィルタリング戦略を提示します。
次に、サポート サンプルと型名を参照として共同利用することで、より正確で安定したプロトタイプを構築するための、型を意識した対比学習戦略を提案します。
さまざまなベンチマークに関する広範な実験により、私たちが提案した TadNER フレームワークが新しい最先端のパフォーマンスを生み出すことが証明されました。
私たちのコードとデータは https://github.com/NLPWM-WHU/TadNER で入手できます。

要約(オリジナル)

Despite the recent success achieved by several two-stage prototypical networks in few-shot named entity recognition (NER) task, the overdetected false spans at the span detection stage and the inaccurate and unstable prototypes at the type classification stage remain to be challenging problems. In this paper, we propose a novel Type-Aware Decomposed framework, namely TadNER, to solve these problems. We first present a type-aware span filtering strategy to filter out false spans by removing those semantically far away from type names. We then present a type-aware contrastive learning strategy to construct more accurate and stable prototypes by jointly exploiting support samples and type names as references. Extensive experiments on various benchmarks prove that our proposed TadNER framework yields a new state-of-the-art performance. Our code and data will be available at https://github.com/NLPWM-WHU/TadNER.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google