TriggerNER 论文分享

分享一篇很有启发的NER论文，少样本却大收益~

背景

工业界目前所用方法多为Bert-BiLSTM-CRF，并结合规则去实现稳定的NER方法。

其中数据集的标注，是至关重要的，数据集标注方式的不同，以及正确率等因素的影响，会直接影响到模型上线后的效果。

如何以低成本、高效益的方式完成NER是一个重要的问题。该文引入了 entity triggers (实体触发器)，在数据中标注 trigger，以 trigger 的角度增加 NER 效果，20% 的数据量便能够达到以往 70% 数据量的效果。

Entity triggers是什么

1.把 Kasdfrcxzv 标记为 Location，因为其中有一个短语是 “travel … in”，根据这个短语，我们可以认定我们的标记是正确的。这样的短语是实体的线索短语，称之为 entity triggers。
本文的重点就在于认为将 trigger 标记和以往的实体标记结合起来，增加NER模型的泛化能力

2.即使实体是个随机的单词或者不认识这个实体，也能够通过 trigger 判断出所属实体的类型。

3.如果能够推理出 “enjoyed a great dinner…at” 和上图中已经存在的 “had…launch at” 具有相同的语义表示，我们便能够很快将 Zcxlbz 识别为RES 类型的实体。相反的，如果没有标记 trigger，仅仅标记了实体，便需要有大量类似的样本数据才能够识别出新的实体。（正因为存在这个推理的过程，才达到了少样本高收益的效果）

方法

实验