类增量少镜头命名实体识别的解耦两阶段框架

IF 5.2 1区 计算机科学 Q1 COMPUTER SCIENCE, INFORMATION SYSTEMS
Yifan Chen;Zhen Huang;Minghao Hu;Dongsheng Li;Changjian Wang;Feng Liu;Xicheng Lu
{"title":"类增量少镜头命名实体识别的解耦两阶段框架","authors":"Yifan Chen;Zhen Huang;Minghao Hu;Dongsheng Li;Changjian Wang;Feng Liu;Xicheng Lu","doi":"10.26599/TST.2022.9010043","DOIUrl":null,"url":null,"abstract":"","PeriodicalId":60306,"journal":{"name":"Tsinghua Science and Technology","volume":"28 5","pages":""},"PeriodicalIF":5.2000,"publicationDate":"2023-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"https://ieeexplore.ieee.org/iel7/5971803/10130021/10130023.pdf","citationCount":"1","resultStr":"{\"title\":\"Decoupled Two-Phase Framework for Class-Incremental Few-Shot Named Entity Recognition\",\"authors\":\"Yifan Chen;Zhen Huang;Minghao Hu;Dongsheng Li;Changjian Wang;Feng Liu;Xicheng Lu\",\"doi\":\"10.26599/TST.2022.9010043\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"\",\"PeriodicalId\":60306,\"journal\":{\"name\":\"Tsinghua Science and Technology\",\"volume\":\"28 5\",\"pages\":\"\"},\"PeriodicalIF\":5.2000,\"publicationDate\":\"2023-01-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"https://ieeexplore.ieee.org/iel7/5971803/10130021/10130023.pdf\",\"citationCount\":\"1\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Tsinghua Science and Technology\",\"FirstCategoryId\":\"94\",\"ListUrlMain\":\"https://ieeexplore.ieee.org/document/10130023/\",\"RegionNum\":1,\"RegionCategory\":\"计算机科学\",\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q1\",\"JCRName\":\"COMPUTER SCIENCE, INFORMATION SYSTEMS\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Tsinghua Science and Technology","FirstCategoryId":"94","ListUrlMain":"https://ieeexplore.ieee.org/document/10130023/","RegionNum":1,"RegionCategory":"计算机科学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q1","JCRName":"COMPUTER SCIENCE, INFORMATION SYSTEMS","Score":null,"Total":0}
引用次数: 1

摘要

类增量少镜头命名实体识别(CIFNER)旨在识别只添加了几个新(新颖)类示例的实体类别。然而,现有的类增量方法通常会引入新的参数来适应新的类,并平等地对待所有信息,导致泛化能力较差。同时,很少有镜头方法需要对所有观察到的类进行采样,这使得它们很难转移到类增量设置中。因此,针对上述问题,提出了一种用于CIFNER任务的解耦两阶段框架方法。整个任务被转换为两个独立的任务,即实体跨度检测(ESD)和实体类别判别(ECD),这两个任务利用参数克隆和标签融合来分别学习不同级别的知识,如类别通用知识和类别特定知识。此外,还研究了不同的变体,如ESD模块中基于条件随机场(CRF)、基于词对的方法,以及ECD模块中基于加法、基于自然语言推理(NLI)和基于提示的方法,以证明解耦框架的可推广性。在三个命名实体识别(NER)数据集上进行的大量实验表明,我们的方法在CIFNER设置中实现了最先进的性能。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Decoupled Two-Phase Framework for Class-Incremental Few-Shot Named Entity Recognition
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
CiteScore
12.10
自引率
0.00%
发文量
2340
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信