EMNLP-21-TEBNER: Domain Specific Named Entity Recognition with Type Expanded Boundary-aware Network

领域：NER领域——无监督条件下的NER识别任务。

总结

这篇文章是从NER的实体边界检测上，做了改进，是在边界检测方面，融合了BIO和文中提出的一种机制（Break or Tie）和phrase match机制，算是多种方法的结合吧（一个多粒度边界感知网络，从本地和全局检测实体边界）。在识别实体mention之后，做的实体类型的预测。

整理完之后的新的看法，这篇文章是在无监督条件下，利用phrase产生伪实体数据集，然后，需要有一个初始的dictionary做type classify，之后，使用type classification 模型预测phrase产生的伪实体的类型，作为过滤的决策，确定是否将其添加到字典中。————————数据集扩充第一步。
之后，利用扩展之后的，新的dictionary，重新训练type classification model。
整个过程实现了无标注数据集的NER识别。
所需源数据：corpus+dictionary+phrase tool (phrase mining tool——文章提到的)

文章流程

两个过程：蓝色（phrase扩展）和红色（实体识别程序）

大致过程：
给定无标注语料之后，使用autophrase技术抽取高质量短语，之后，通过实体分类模型，过滤掉非实体，剩余的phrase作为实体扩充到字典中。使用对标产生标注数据，之后，使用实体边界检测模型，在使用实体类型预测模型，输出最终实体集。

模型组成

1 phrase生成

module 01：高质量phrase生成阶段

输入：corpus+dictionary
输出：ranked phrases （阈值设置为：multi words>0.5 && single-word>0.9）
将输出的phrase直接视为entity，然后采用实体分类模型预测这些phrase的type。

module 02：实体分类

输入：phrase标注的实体数据集。（将概率阈值<0.3的部分作为none entity type）
输出：实体类型。（CLS和实体span部分对应的emdding 通过softmax产生type label）

module 03：实体过滤

过滤掉第2步中预测为none type的entity。跳过phrase被预测为多个category的entity。
将phrase预测和标注一致的添加到diction中，扩展dictionary。

2 实体识别

2.1边界检测

1. break or Tie Tagging机制：T (Tie) indicates that both of the two
   adjacent tokens belong to the same entity. (ii) B (Break) means that
   the ties between adjacent tokens are broken into two parts
   2.BIO机制：
   3.phrase matching tagging机制：
   ***使用了phrase mining tool，获取高质量的phrases.??? ***

2.2 类型预测

将三种边界检测的结果融合，喂给实体分类模型，预测实体类型。
（该阶段的实体分类模型使用扩展之后的dictionary标注的数据集上做训练）