问题:在命名实体识别(NER)中,未标记的实体问题如何影响NER性能?
解决方案:
- 通过SCL-RAI方法来解决未标记的实体问题。
- 首先,通过基于跨度的对比学习减小具有相同标签的跨度表示之间的距离,同时增加具有不同标签的跨度表示之间的距离。这有助于减少实体之间的歧义,并提高模型对未标记实体的鲁棒性。
- 接着,提出了检索增强推理方法,以缓解决策边界移动的问题。
结果:
4. 提出的方法在两个真实世界数据集上的F1得分分别比之前的最优方法提高了4.21%和8.64%。
代码;
https://github.com/PKUnlp-icler/SCL-RAI