-
题名因果关系表示增强的跨领域命名实体识别
- 1
-
-
作者
刘小明
曹梦远
杨关
刘杰
王杭
-
机构
中原工学院计算机学院
国家语委中国语言智能研究中心
郑州市文本处理与图像理解重点实验室
河南省网络舆情监测与智能分析重点实验室
北方工业大学信息学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2024年第18期176-188,共13页
-
基金
国家自然科学基金(62076167,61772020)
河南省高等学校重点科研项目(24A520058,23A520022)。
-
文摘
跨领域命名实体识别在现实应用中,尤其在目标领域数据稀缺的小样本场景中具有重要价值。然而,现有方法主要是通过特征表示或模型参数共享实现的跨领域实体能力迁移,未充分考虑由于样本选择偏差而引起的虚假相关性问题。为了解决跨领域中的虚假相关性问题,提出一种因果关系表示增强的跨领域命名实体识别模型,将源域的语义特征表示与目标域的语义特征表示进行融合,生成一种增强的上下文语义特征表示。通过结构因果模型捕捉增强后的特征变量与标签之间的因果关系。在目标域中应用因果干预和反事实推断策略,提取存在的直接因果效应,从而进一步缓解特征与标签之间的虚假相关性问题。该方法在公共数据集上进行了实验,实验结果得到了显著提高。
-
关键词
跨领域命名实体识别
迁移学习
因果关系
结构因果模型
语义特征表示
-
Keywords
cross-domain named entity recognition
transfer learning
causal relationship
structural causal model
semantic feature representation
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
