Familiarity: Better Evaluation of Zero-Shot Named Entity Recognition by Quantifying Label Shifts in Synthetic Training Data

要約

Zero-Shotという名前のエンティティ認識（NER）は、トレーニングの例なしに特定のタイプ（「人」や「薬」など）の名前付きエンティティを検出するタスクです。
現在の研究は、ゼロショットNERモデルをトレーニングするために、数万の異なるエンティティタイプをカバーするために自動的に生成される大きな合成データセットにますます依存しています。
ただし、このホワイトペーパーでは、これらの合成データセットには、標準の評価ベンチマークのものと意味的に非常に類似している（または同じ）エンティティタイプが含まれていることがよくあります。
この重複のために、ゼロショットNERのF1スコアがこれらのアプローチの真の能力を過大評価していると報告したと主張します。
さらに、現在の評価セットアップは、トレーニングと評価データセットの間のラベルシフト（つまり、ラベルの類似性）を定量化しないため、ゼロショット能力の不完全な画像を提供すると主張します。
これらの問題に対処するために、私たちは、ラベルシフトの推定値を提供するために、トレーニングと評価におけるエンティティタイプとトレーニングデータの頻度の間のセマンティックな類似性の両方をキャプチャする新しいメトリックである親しみやすさを提案します。
これにより、研究者は、カスタム合成トレーニングデータセットを使用する際に、報告されたゼロショットNERスコアをコンテキスト化することができます。
さらに、研究者は、ゼロショットNERのきめの細かい分析のために、さまざまな転送困難の評価セットアップを生成することができます。

要約(オリジナル)

Zero-shot named entity recognition (NER) is the task of detecting named entities of specific types (such as ‘Person’ or ‘Medicine’) without any training examples. Current research increasingly relies on large synthetic datasets, automatically generated to cover tens of thousands of distinct entity types, to train zero-shot NER models. However, in this paper, we find that these synthetic datasets often contain entity types that are semantically highly similar to (or even the same as) those in standard evaluation benchmarks. Because of this overlap, we argue that reported F1 scores for zero-shot NER overestimate the true capabilities of these approaches. Further, we argue that current evaluation setups provide an incomplete picture of zero-shot abilities since they do not quantify the label shift (i.e., the similarity of labels) between training and evaluation datasets. To address these issues, we propose Familiarity, a novel metric that captures both the semantic similarity between entity types in training and evaluation, as well as their frequency in the training data, to provide an estimate of label shift. It allows researchers to contextualize reported zero-shot NER scores when using custom synthetic training datasets. Further, it enables researchers to generate evaluation setups of various transfer difficulties for fine-grained analysis of zero-shot NER.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google