赛尔原创 | IJCAI 2018 利用跨语言知识改进稀缺资源语言命名实体识别

文章预览

本文介绍哈尔滨工业大学社会计算与信息检索研究中心（HIT-SCIR）录用于IJCAI 2018的论文《Improving Low Resource Named Entity Recognition using Cross-lingual Knowledge Transfer》，在稀缺资源语言实体识别任务中，我们在原有LSTM-CRF模型的基础上，利用双语词典作为跨语言信息传播桥梁，为每个稀缺资源语言词语学习英文语义空间下的语义表示，并映射到稀缺资源语言空间增强原有表示。在西班牙语、荷兰语和中文三种语言数据集上进行实验，结果显示，通过加入跨语言信息表示，实体识别性能平均提高大于3%。本论文的数据和代码；https://github.com/scir-code/lrner 论文作者：冯骁骋、 冯夏冲、 秦兵、 刘挺 关键词：命名实体识别，稀缺资源语言，LSTM-CRF，知识表示 联系邮箱：xcfeng@ir.hit.edu.cn ………………………………