ACL2017：扩展命名实体识别API及其在语言教育中的应用 （翻译）

摘要：我们提出了一个扩展命名实体识别API来识别各种类型的实体，并将实体分类为200个不同的类别。每个实体都被划分为实体类别中的一个层次，其中层次结构中根附近的类别比叶子附近的类别更具有概括性。这些类别信息可用于各种应用程序，如语言教育应用程序、在线新闻服务和推荐引擎。本文展示了该API在一个针对日语学习者的日文在线新闻服务中的应用。

1 引言

       命名实体识别（NER）是信息检索、信息提取和问答系统（Bellot et al., 2002; Nadeau and Sekine, 2007）中最基本的任务。因此，一个高质量的命名实体识别API（应用程序编程接口）对于更高层次的任务，如实体检索、推荐和自动对话生成非常重要。为提高命名实体的识别能力，Sekin等人（Sekine et al., 2002; Sekine and Nobata, 2004）提出了一种扩展的命名实体（ENE）的层次结构，改善了命名实体的定义。ENE的层次结构是一个三层结构，顶层包含十个以上的粗粒度类别，叶级包含200个细粒度类别。

        层次结构的顶层包括传统的命名实体类别，如人、地点或组织。中间层和叶级将顶级分类细化到更细粒度的类别。图1显示了顶级类别“组织”的部分层次结构。在扩展的命名实体识别（ENER）问题，给定一个输入的句子，如“Donald Trump was officially nominated by the Republican Party”，系统必须识别并对句子中的扩展命名实体进行分类，如“Donald Trump”为“人”的类别，“Republican Party”为“政党”类别。

                      图1 扩展命名实体（ENE）的层次结构

       本文提出一个日文扩展命名实体识别API的体系结构设计与实现。我们称这个API为“AL+ENER API”。在大量训练数据样本下，所提出的架构表现出良好效能，并在实际应用中具备较快的响应速度。为说明AL+ENER API的有效性，我们描述了此API在日语在线新闻服务中术语自动提取的应用。从用户的反馈表明，ENER API在词汇产生任务中表现出较高的准确率。

       本文的如下部分安排如下。第2节描述了ENER API的技术的设计与实现。第3节给出了实验结果以评估API的性能。第4节描述了ENER API在为日语学习者设计的在线新闻服务中的应用，从服务中获取用户反馈以提高ENER系统性能的方法，以及从用户反馈得到的统计数据。第5部分回顾了相关系统并与该系统进行对比。最后，第6节总结全文。

2 扩展命名实体识别API

2.1 AL+ ENER API概述

       AL+ ENER API 是一款扩展命名实体识别的应用程序编程接口，它以一个句子作为输入，输出为一个包含句中扩展命名实体的JSON列表，如图2所示。

                                                                  图2 AL+ENE识别API

       不同于传统的命名实体识别API，这个API可以标注能源200大类（类别列表见: http://nlp.cs.nyu.edu/ene/），包括一些未定义的实体（因此，他们被称为“扩展”的命名实体，具体描述见（Sekine and No- bata, 2004））。在图2中，“president”不是一个传统的命名实体，但它被标记为扩展命名实体层次结构中的一个类别POSITION VOCATION。每一个实体，我们