之前介绍过一些ner的新模型,包括TENER,W2NER,prompt-learning相关的ner方法,当然还有FLAT,LEBERT等模型,今天介绍的是NAACL2022的一篇中文NER的文章RICON。
TENER处理ner任务时用的是序列标注的方法,应对的是扁平的实体形式;而W2NER解决的包含了嵌套不连续实体形式的ner任务;而FLAT、LEBERT则是借助了外部词典从而获得了不错的性能;prompt-learning相关的方法则是适用于低资源场景下的ner任务,所以需要结合落地场景选择合适的ner方法就行。
本文介绍的论文为:Delving Deep into Regularity: A Simple but Effective Method for Chinese Named Entity Recognition
主要包含了两个模块:
规律感知模块 span表征 用于实体类型的预测。
规律判断模块 span上下文表征 判断是否是实体。