【论文解读】NER任务中的MRC（机器阅读理解）

论文：https://arxiv.org/pdf/1910.11476v6.pdf

前沿：

在之前的NER任务中常常分为两种：nested NER和 flat NER。从直观的角度来看，nested NER考虑到了实体嵌套问题。

发展：

• flat NER的任务通常形式化为序列标记任务：序列标记模型，但是这种序列标记的模型无法考虑到实体嵌入关系问题。如中国移动是一个公司实体，而中国是一个国家实体，在flat NER中可能只能提取出中国移动整体却忽视了中国这个部分。

• 考虑到这个问题后，提出了pipelined systems用来实现nested NER，但是pipelined systems具有错误传播，运行时间长以及开发手工特征的强度大等缺点。

• 而MRC对于NER任务的处理便由之而来，在论文中作者表明了MRC对于flat NER和nested NER任务都有了提升。

什么是MRC

简单来说MRC是一种以问答方式解决NER任务的模型结构，通过给出相关实体的描述（问题），然后在文本中找出相对应的答案，这个方式就像做阅读理解一样。</