融合标签提示与跨度增强的少样本命名实体过滤方法OA
针对少样本场景下的命名实体识别(NER)跨度不准确的问题,提出融合标签提示与跨度交叉增强的少样本命名实体过滤方法(LPSE)。将实体的标签插入输入文本中对应实体之后的位置,对经过特征提取器的文本输出进行跨度交叉增强,得到输入文本的跨度表示;利用实体向量及其对应的类型名称计算得到跨度过滤器的过滤阈值,通过此阈值对跨度表示中的虚假跨度进行剔除,进而得到过滤后的待分类实体跨度;通过计算实体跨度与类别原型的相似度,得到实体跨度的预测标签。实验结果表明,相比于基线模型最优者,所提模型的F1值在Few-NERD数据集的INTRA和INTER任务上分别提升了10.48个百分点、3.43个百分点;在Cross-Dataset数据集的1-shot和5-shot任务上则分别提升了7.6个百分点、10.8个百分点。
贾洋洋;邵玉斌;杜庆治;朵琳;张赜涛
昆明理工大学信息工程与自动化学院,昆明650500昆明理工大学信息工程与自动化学院,昆明650500昆明理工大学信息工程与自动化学院,昆明650500昆明理工大学信息工程与自动化学院,昆明650500云南省媒体融合重点实验室,昆明650228
信息技术与安全科学
少样本命名实体识别标签提示跨度交叉增强跨度过滤
《重庆邮电大学学报(自然科学版)》 2026 (4)
P.805-815,11
云南省媒体融合重点实验室项目(220245201)。
评论