.

利用一種優秀的依存分析方法構建命名實體識別模型

基於實例的區域表示學習：基於命名實體識別的實例研究

簡化中文命名實體識別任務中辭彙資訊的融合

微表情檢測：一種新的基準

CelebA-Spoof：具有豐富標註的大規模人臉反欺騙數據集

論文名稱：Named Entity Recognition as Dependency Parsing

作者：Juntao Yu / Bernd Bohnet / Massimo Poesio

發表時間：2020/6/13

論文鏈接：//arxiv.org/abs/2005.07150

推薦原因

1 作者參考一種基於仿射變換的依存分析方法，提出了一種用於命名實體識別的網路結構，主要包括四部分。其一，輸入引入了多種預訓練詞向量(fasttext, bert)、預訓練字元向量，其二，對句子中的每一個詞經過BILSTM編碼後的輸出引入兩個前饋神經網路(FN) 進行二次編碼分別代表該詞作為實體結構(span)首尾時的表徵，其三，採用仿射變換網路(bi)計算span的分數，其四，根據既定的規則以及所有spans的分數，篩選出有效的實體

2 本文的模型在多個數據集上達到了SOTA，並且優勢較明顯

3 其中關於仿射變換網路的部分，需要看一下原文，才能更好理解公式中的每一項的含義，原文地址如下

//arxiv.org/pdf/1611.01734.pdf

  基於實例的區域表示學習：基於命名實體識別的實例研究

論文名稱：Instance-Based Learning of Span Representations: A Case Study through Named Entity Recognition

作者：Hiroki Ouchi / Jun Suzuki / Sosuke Kobayashi / Sho Yokoi / Tatsuki Kuribayashi / Ryuto Konno / Kentaro Inui

發表時間：2020/4/29

論文鏈接：//arxiv.org/abs/2004.14514

推薦原因

1 這是我最近讀過的文章里最喜愛的一篇

2 作者研究句子中區域(span)的表示，針對普通(flat)與嵌套(nest)實體識別的數據集分別定義區域(span)的表示，同時定義了鄰近區域(span)的概念，即同樣標籤的訓練集中相同標籤的區域(span),  並用於訓練區域(span)的表示。預測階段，根據相似度獲取鄰近區域，使用argmax方法為其分配標籤

3 作者從區域(span)間相似度的角度出發，提出了可解釋的命名實體模型，並且在普通與嵌套實體識別的數據集上分數超過了使用softmax訓練的baseline。此外，驗證了這一方法在其他與區域(span)相關的nlp任務中同樣有效。

論文名稱：Simplify the Usage of Lexicon in Chinese NER

作者：Minlong Peng / Ruotian Ma / Qi Zhang / Xuanjing Huang

發表時間：2019/8/16

論文鏈接：//arxiv.org/abs/1908.05969

推薦原因