5503.
少样本命名实体识别旨在利用少量样本实现命名实体的自动识别。近年来两阶段原型网络在少样本命名实体识别任务上取得了较好的效果,但仍存在跨度检测假阳性和跨度分类原型不准确的问题。针对上述两类问题,该文提出一种基于标签提示和门控模块的少样本命名实体识别模型。在跨度检测阶段,利用标签提示信息优化句子表示,减少假阳性的出现。在跨度分类阶段,通过引入门控模块,显式地利用标签信息和样本原型进行融合,分别提取标签信息和样本信息中的有效信息,以获得更准确的原型表示。在多个数据集上的实验结果表明,该文所提出的方法相较于基准模型在F
1值上能够取得10.63%的提升,并且消融实验也表明该文模型各个模块的有效性。… …
相似文献