论文浅尝 | 学会使用上下文学习来进行命名实体识别

文章预览

笔记整理：王润哲，东南大学硕士，研究方向为大模型 链接：https://aclanthology.org/2023.acl-long.764.pdf 1. 动机 实体关系是知识图谱中不可或缺的一层重要信息，它们描述了实体之间的语义关系，这种连接使得知识图谱能够表达更为丰富的知识信息。然而现实生活中的命名实体识别(NER)任务往往受限于实体类别数量大，相关数据标注差等问题。 为此本文利用上下文学习技术，将命名实体识别能力融入大规模的预训练语言模型，实现了一种可以有效完成命名实体识别任务的方法，这种方法甚至可以仅利用少数演示实例实现即时识别新的实体类型。和先前采用微调的方法相比，本文提出的方法不需要代价较高的重训练过程，并且可以不用调整模型参数就实现即时识别新实体类型。与基于度量的方法相比，此方法可以动态地利用指令和演示中需要的信息，而不 ………………………………