論文の概要: GenCNER: A Generative Framework for Continual Named Entity Recognition

• arxiv url: http://arxiv.org/abs/2510.11444v1
• Date: Mon, 13 Oct 2025 14:15:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:30.399838
• Title: GenCNER: A Generative Framework for Continual Named Entity Recognition
• Title（参考訳）: GenCNER: 連続的な名前付きエンティティ認識のための生成フレームワーク
• Authors: Yawen Yang, Fukun Ma, Shiao Meng, Aiwei Liu, Lijie Wen,
• Abstract要約: 従来の名前付きエンティティ認識(NER)は、テキストの参照を事前に定義されたエンティティタイプに識別することを目的としている。 NERのための既存の継続学習(CL)手法は、破滅的な忘れ込みと非エンテント型のセマンティックシフトの課題に直面している。 我々は,CNERの欠点を軽減するための簡易かつ効果的な生成フレームワークであるGenCNERを提案する。
• 参考スコア（独自算出の注目度）: 22.669221793494163
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traditional named entity recognition (NER) aims to identify text mentions into pre-defined entity types. Continual Named Entity Recognition (CNER) is introduced since entity categories are continuously increasing in various real-world scenarios. However, existing continual learning (CL) methods for NER face challenges of catastrophic forgetting and semantic shift of non-entity type. In this paper, we propose GenCNER, a simple but effective Generative framework for CNER to mitigate the above drawbacks. Specifically, we skillfully convert the CNER task into sustained entity triplet sequence generation problem and utilize a powerful pre-trained seq2seq model to solve it. Additionally, we design a type-specific confidence-based pseudo labeling strategy along with knowledge distillation (KD) to preserve learned knowledge and alleviate the impact of label noise at the triplet level. Experimental results on two benchmark datasets show that our framework outperforms previous state-of-the-art methods in multiple CNER settings, and achieves the smallest gap compared with non-CL results.
• Abstract（参考訳）: 従来の名前付きエンティティ認識(NER)は、テキストの参照を事前に定義されたエンティティタイプに識別することを目的としている。 CNER(Continuous Named Entity Recognition)は、さまざまな現実のシナリオにおいて、エンティティカテゴリが継続的に増加しているため、導入される。 しかし、NERのための既存の継続学習(CL)手法は、破滅的な忘れ込みと非エンテント型のセマンティックシフトの課題に直面している。 本稿では,CNERの簡易かつ効果的な生成フレームワークであるGenCNERを提案する。 具体的には、CNERタスクを持続するエンティティ三重項列生成問題に巧みに変換し、強化された事前学習セク2セックモデルを用いて解決する。 さらに,学習知識を保存し,ラベルノイズが三重項レベルに与える影響を軽減するために,知識蒸留(KD)とともに,タイプ固有の信頼に基づく擬似ラベル戦略を設計する。 2つのベンチマークデータセットによる実験結果から,我々のフレームワークは,複数のCNER設定で従来の最先端手法よりも優れており,非CL結果と比較して最小のギャップを達成できることがわかった。

関連論文リスト

• TriG-NER: Triplet-Grid Framework for Discontinuous Named Entity Recognition [13.490098281895877]
  TriG-NERは、不連続なエンティティ抽出のための堅牢なトークンレベル表現を学習するための新しいトリプルトグリッドフレームワークである。 我々のフレームワークはトークンレベルで三重項損失を適用し、類似性は同じエンティティ内に存在するワードペアによって定義される。 3つのベンチマークDNERデータセット上でTriG-NERを評価し、既存のグリッドアーキテクチャよりも大幅に改善したことを示す。
  論文  参考訳（メタデータ） (2024-11-04T06:26:09Z)
• SCANNER: Knowledge-Enhanced Approach for Robust Multi-modal Named Entity Recognition of Unseen Entities [10.193908215351497]
  3つのNER変種を効果的に扱えるモデルであるSCANNERを提案する。 SCANNERは2段階構造であり、最初の段階でエンティティ候補を抽出し、知識を得るためにクエリとして使用する。 NERデータセットのノイズの多いアノテーションから生じる課題に対処するために,新しい自己蒸留法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T13:05:41Z)
• Gaussian Prior Reinforcement Learning for Nested Named Entity Recognition [52.46740830977898]
  GPRLと呼ばれる新しいSeq2seqモデルを提案し、ネストしたNERタスクをエンティティ三重項列生成プロセスとして定式化する。 3つのネストされたNERデータセットの実験では、GPRLが以前のネストされたNERモデルより優れていることが示されている。
  論文  参考訳（メタデータ） (2023-05-12T05:55:34Z)
• IXA/Cogcomp at SemEval-2023 Task 2: Context-enriched Multilingual Named Entity Recognition using Knowledge Bases [53.054598423181844]
  3つのステップからなる新しいNERカスケードアプローチを提案する。 我々は、細粒度および新興物質を正確に分類する上で、外部知識基盤の重要性を実証的に示す。 本システムは,低リソース言語設定においても,マルチコネラ2共有タスクにおいて頑健な性能を示す。
  論文  参考訳（メタデータ） (2023-04-20T20:30:34Z)
• Optimizing Bi-Encoder for Named Entity Recognition via Contrastive Learning [80.36076044023581]
  名前付きエンティティ認識(NER)のための効率的なバイエンコーダフレームワークを提案する。 我々はNERを、エンティティ参照のベクトル表現とその型との類似性を最大化する計量学習問題とみなす。 NERのこのバイエンコーダの定式化における大きな課題は、エンティティの言及から非エンゲージスを分離することにある。
  論文  参考訳（メタデータ） (2022-08-30T23:19:04Z)
• Unified Named Entity Recognition as Word-Word Relation Classification [25.801945832005504]
  我々は、統一NERを単語関係分類、すなわちW2NERとしてモデル化する新しい方法を提案する。 このアーキテクチャは、エンティティワード間の隣り合う関係を効果的にモデル化することにより、統一NERのカーネルボトルネックを解決する。 W2NERスキームに基づいて,統一NERを単語ペアの2次元グリッドとしてモデル化するニューラルネットワークフレームワークを開発する。
  論文  参考訳（メタデータ） (2021-12-19T06:11:07Z)
• Distantly-Supervised Named Entity Recognition with Noise-Robust Learning and Language Model Augmented Self-Training [66.80558875393565]
  遠距離ラベル付きデータのみを用いて、名前付きエンティティ認識(NER)モデルを訓練する際の課題について検討する。 本稿では,新しい損失関数と雑音ラベル除去ステップからなるノイズロスバスト学習手法を提案する。 提案手法は,既存の遠隔教師付きNERモデルよりも優れた性能を実現する。
  論文  参考訳（メタデータ） (2021-09-10T17:19:56Z)
• A Sequence-to-Set Network for Nested Named Entity Recognition [38.05786148160635]
  ネストNERのための新しいシーケンス・ツー・セットニューラルネットワークを提案する。 我々は、非自己回帰デコーダを使用して、1回のパスで最終的なエンティティセットを予測する。 実験により, ネストした3つのNERコーパスに対して, 提案モデルが最先端となることを示す。
  論文  参考訳（メタデータ） (2021-05-19T03:10:04Z)

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。