700.
命名实体识别任务旨在从文本中定位和分类实体。在该任务中,标签语义指预定义类别标签的具体含义,其在抽象层面上代表了对实体类别深刻的语义理解。该文提出了一种生成标签语义描述的命名实体识别模型GeLaS,利用大语言模型自动生成标签语义描述。为将标签语义信息融合到模型中,使用了一种基于注意力的交互机制。除此之外,提出了差异增强的交叉熵损失以强化模型对标签语义的区分能力。为验证GeLaS模型的泛用性,该文分别在4个不同领域的公开数据集上评估模型的性能,并进一步分为高资源场景和低资源场景。其中,在CoNLL2003数据集的50-shot设置下F
1值相比最优基线模型提升了4.0%,高资源场景下提升了1.2%。在WNUT-2017数据集的50-shot设置下F
1值相比最优基线模型提升了0.5%,高资源场景下提升了1.1%。消融实验表明,该文所提出的标签语义生成方式、基于注意力的交互机制和差异增强的交叉熵损失函数均能有效增强模型性能。… …
相似文献