面向小样本命名实体识别的实体语义优先提示学习方法

打开文本图片集

摘 要：

近些年来，提示学习在小样本命名实体识别任务上得到了广泛应用。然而，命名实体识别仍然是一个令牌级的标记任务，在通过提示模板调动预训练知识时，很容易忽略新实体类型的语义信息。为此，提出了一个语义优先的提示学习方法。具体来说，首先检测少量示例中实体类型蕴涵的语义信息，然后将实体语义信息和询问实体位置的提示模板输入模型中，利用模型中的非自回归解码器并行预测来提取实体；此外，为了确保语义信息与实体类型的关联性，使用对比学习的方法来训练一个分类器，以去除与实体类型无关的语义信息；最后在两个常用的公共基准数据集上评估了所提方法，实验结果证明了该方法的有效性。（剩余18903字）