Nested Named Entity Recognition as Single-Pass Sequence Labeling

要約

私たちは、選挙区の構造を直線化する以前の作業を活用して、この構造化された予測問題の複雑さを簡単なトークン分類に効果的に削減することにより、ネストされたエンティティ認識（NNER）をシーケンスラベル付けタスクとしてキャストします。
これらの選挙区の線形化を前処理されたエンコーダーと組み合わせることにより、当社のメソッドは、正確に$ n $のタグ付けアクションを実行しながら、ネストされたエンティティをキャプチャします。
私たちのアプローチは、効率の低いシステムと比較して競争力のあるパフォーマンスを実現し、既製のシーケンスラベル表示ライブラリを使用してトレーニングできます。

要約(オリジナル)

We cast nested named entity recognition (NNER) as a sequence labeling task by leveraging prior work that linearizes constituency structures, effectively reducing the complexity of this structured prediction problem to straightforward token classification. By combining these constituency linearizations with pretrained encoders, our method captures nested entities while performing exactly $n$ tagging actions. Our approach achieves competitive performance compared to less efficient systems, and it can be trained using any off-the-shelf sequence labeling library.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google