論文の概要: PromptNER: A Prompting Method for Few-shot Named Entity Recognition via k Nearest Neighbor Search

• arxiv url: http://arxiv.org/abs/2305.12217v1
• Date: Sat, 20 May 2023 15:47:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-23 23:47:18.628040
• Title: PromptNER: A Prompting Method for Few-shot Named Entity Recognition via k Nearest Neighbor Search
• Title（参考訳）: PromptNER: k 近傍探索によるFew-shot Named Entity Recognitionのプロンプト法
• Authors: Mozhi Zhang, Hang Yan, Yaqian Zhou, Xipeng Qiu
• Abstract要約: 本稿では,近距離探索による数発NERの新規プロンプト法であるPromptNERを提案する。 我々は、エンティティカテゴリ情報を含むプロンプトを使用してラベルのプロトタイプを構築する。 Few-NERDデータセットとCrossNERデータセットの広範な実験により,本モデルが最先端手法よりも優れた性能を発揮することを示す。
• 参考スコア（独自算出の注目度）: 56.81939214465558
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Few-shot Named Entity Recognition (NER) is a task aiming to identify named entities via limited annotated samples. Recently, prototypical networks have shown promising performance in few-shot NER. Most of prototypical networks will utilize the entities from the support set to construct label prototypes and use the query set to compute span-level similarities and optimize these label prototype representations. However, these methods are usually unsuitable for fine-tuning in the target domain, where only the support set is available. In this paper, we propose PromptNER: a novel prompting method for few-shot NER via k nearest neighbor search. We use prompts that contains entity category information to construct label prototypes, which enables our model to fine-tune with only the support set. Our approach achieves excellent transfer learning ability, and extensive experiments on the Few-NERD and CrossNER datasets demonstrate that our model achieves superior performance over state-of-the-art methods.
• Abstract（参考訳）: Few-shot Named Entity Recognition (NER)は、限定的なアノテーション付きサンプルを通じて名前付きエンティティを識別するタスクである。 近年,数発のNERで有望な性能を示した。 原型ネットワークの多くは、サポートセットのエンティティを使用してラベルのプロトタイプを構築し、クエリセットを使用してスパンレベルの類似性を計算し、これらのラベルのプロトタイプ表現を最適化する。 しかしながら、これらのメソッドは通常、サポートセットのみが利用可能なターゲットドメインの微調整には適さない。 本稿では,近距離探索による数発NERの新規プロンプト手法であるPromptNERを提案する。 私たちは、ラベルプロトタイプを構築するためにエンティティカテゴリ情報を含むプロンプトを使用します。 Few-NERDデータセットとCrossNERデータセットの広範な実験により,本モデルが最先端手法よりも優れた性能を発揮することを示す。

関連論文リスト

• ToNER: Type-oriented Named Entity Recognition with Generative Language Model [14.11486479935094]
  生成モデルに基づく新しいNERフレームワーク、すなわちToNERを提案する。 ToNERでは、文中に最も現れる可能性が最も高いエンティティタイプを特定するために、最初は型マッチングモデルが提案されている。 我々は、生成モデルのエンコーダを微調整するために、複数のバイナリ分類タスクを追加し、入力文の洗練された表現を生成する。
  論文  参考訳（メタデータ） (2024-04-14T05:13:37Z)
• NERetrieve: Dataset for Next Generation Named Entity Recognition and Retrieval [49.827932299460514]
  我々は、大きな言語モデルによって提供される能力は、NER研究の終わりではなく、むしろエキサイティングな始まりであると主張する。 我々は、NERタスクの3つの変種と、それらをサポートするデータセットを示す。 500のエンティティタイプをカバーする400万段落の,大規模で銀の注釈付きコーパスを提供する。
  論文  参考訳（メタデータ） (2023-10-22T12:23:00Z)
• MProto: Multi-Prototype Network with Denoised Optimal Transport for Distantly Supervised Named Entity Recognition [75.87566793111066]
  本稿では,DS-NERタスクのためのMProtoというノイズロスのプロトタイプネットワークを提案する。 MProtoは、各エンティティタイプを複数のプロトタイプで表現し、クラス内の分散を特徴付ける。 不完全なラベリングからノイズを緩和するために,新しい復号化最適輸送(DOT)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-12T13:02:34Z)
• Named Entity Recognition via Machine Reading Comprehension: A Multi-Task Learning Approach [50.12455129619845]
  Named Entity Recognition (NER) は、テキスト内のエンティティの参照を事前に定義された型に抽出し、分類することを目的としている。 我々は,MRCベースのNERを改善するために,エンティティタイプ間のラベル依存性をマルチタスク学習フレームワークに組み込むことを提案する。
  論文  参考訳（メタデータ） (2023-09-20T03:15:05Z)
• Type-Aware Decomposed Framework for Few-Shot Named Entity Recognition [12.444196348710728]
  そこで我々は,これらの問題を解決するために,新しいタイプアウェア分解フレームワーク,すなわちTadNERを提案する。 まず、型名から遠く離れたものを取り除き、偽スパンをフィルタリングする型認識スパンフィルタリング戦略を提案する。 次に、より正確で安定したプロトタイプを構築するための、型認識型コントラスト学習戦略を提案する。
  論文  参考訳（メタデータ） (2023-02-13T14:36:21Z)
• Few-shot Named Entity Recognition with Entity-level Prototypical Network Enhanced by Dispersedly Distributed Prototypes [11.759479318478915]
  NER (Few-shot named entity recognition) により、ラベル付きサンプルをほとんど使用せずに、新しいドメイン用のNERシステムを構築することができる。 このタスクの既存のネットワークは、大まかに推定されたラベル依存と密に分散されたプロトタイプに悩まされている。 EP-Netはエンティティレベルのプロトタイプを構築し、テキストスパンを候補エンティティと見なしているため、もはやラベル依存を必要としない。
  論文  参考訳（メタデータ） (2022-08-17T02:09:15Z)
• Decomposed Meta-Learning for Few-Shot Named Entity Recognition [32.515795881027074]
  NER (Few-shot named entity recognition) システムは、いくつかのラベル付き例に基づいて、新しい名前付きエンティティを認識することを目的としている。 本稿ではメタラーニングを用いた数発のスパン検出と数発のエンティティタイピングに取り組むメタラーニング手法を提案する。
  論文  参考訳（メタデータ） (2022-04-12T12:46:23Z)
• Part-aware Prototype Network for Few-shot Semantic Segmentation [50.581647306020095]
  本稿では,プロトタイプ表現に基づく新規な数ショットセマンティックセマンティックセマンティクスフレームワークを提案する。 私たちのキーとなるアイデアは、全体論的なクラス表現を、部分認識型プロトタイプのセットに分解することです。 提案する部分認識型プロトタイプを生成・拡張する新しいグラフニューラルネットワークモデルを開発した。
  論文  参考訳（メタデータ） (2020-07-13T11:03:09Z)
• Zero-Resource Cross-Domain Named Entity Recognition [68.83177074227598]
  既存のドメイン名付きエンティティ認識モデルは、多くのラベルなしコーパスや、ターゲットドメイン内のラベル付きNERトレーニングデータに依存している。 外部リソースを一切使用しないドメイン間NERモデルを提案する。
  論文  参考訳（メタデータ） (2020-02-14T09:04:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。