NER文献阅读整理

1）《Learning Named Entity Tagger using Domain-Specific Dictionary》

提出AutoNER模型，主要创新点在于预测关联关系与类别，由于边界判错往往不会影响内部之间的关系，能够减小远程监督噪声；其次修改传统的字典匹配方式，将部分高质量短语设置为unknown，并结合数据裁减字典。

比较有启发性的是预测关联关系与类别结合。

2）《BOND: BERT-Assisted Open-Domain Named Entity Recognition with Distant Supervision》

创新点主要有二：其一利用现有语料进行BERT再训练时，引入early stopping避免过拟合；其二提出自适应的方式（文中称为学生教师模型，较为不妥），利用两个同样的再训练BERT模型，其中一个a产生的语料提升第二个模型b的表现，之后将b的参数同步到ab两个模型，重复此过程。

此模型主要可以借鉴的点在于自适应的训练模式，可以用选择一个复杂模型一个简单模型，用简单模型拟合复杂模型的提升效果。

3） 《Simplify the Usage of Lexicon in Chinese NER》

提出LexiconAugmentedNER，主要创新点在于进一步更新编码方式，使编码包含位置信息与种类，对每个字符使用BMES（以该字符起始，以该字符为中间，以该字符结尾，以该字符单独成词）进行编码；其次使用weighted pooling方式。

模型构造简单，可迁移性强。编码方式具有较大借鉴意义。

4）《FLAT- Chinese NER Usin