改进和简化基于模板的命名实体识别

穆拉利·孔德拉贡塔,Olatz Perez-de-Viñaspre公司,梅特·奥罗诺兹

摘要
随着大型语言模型的兴起，研究人员开始利用它们，将下游任务作为使用提示的语言建模任务。在这项工作中，我们通过使用模板生成合成句子，将命名实体识别任务转换为seq2seq任务。我们的主要贡献是提供更快推理的转换框架。此外，我们测试了我们的方法在资源丰富、低资源和域传输设置中的性能。结果表明，我们的方法在资源丰富的环境中取得了可比较的结果，并且在少数情况下优于当前的seq2seq范式最新方法。通过实验，我们发现反例对模型的性能起着重要作用。我们在BART和T5基础模型上应用了我们的方法，并且我们注意到T5体系结构与我们的任务更加吻合。这项工作是在英语数据集上进行的。
选集ID：
2023年eacl-srw.8
音量：
计算语言学协会欧洲分会第17届会议记录：学生研究研讨会
月份：
五月
年份：
2023
地址：
克罗地亚杜布罗夫尼克
编辑：
Elisa Bassignana公司,马蒂亚斯·林德曼,阿尔班·佩蒂特
地点：
EACL公司
SIG公司：
发布者：
计算语言学协会
注：
页：
79–86
语言：
网址：
https://aclantology.org/2023.eacl-srw.8
内政部：
10.18653/v1/2023.每个序号8
比比键：
引用（ACL）：
Murali Kondragunta、Olatz Perez-de-Viñaspre和Maite Oronoz。2023改进和简化基于模板的命名实体识别.英寸计算语言学协会欧洲分会第17届会议记录：学生研究研讨会，第79-86页，克罗地亚杜布罗夫尼克。计算语言学协会。
引用（非正式）：
改进和简化基于模板的命名实体识别（Kondragunta等人，EACL 2023）
复制引文：
PDF格式：
https://aclantology.org/2023.eacl-srw.8.pdf
视频：
 https://aclantology.org/2023.eacl-srw.8.mp4
PDF格式 引用 搜索 视频