ANEA: Automated (Named) Entity Annotation for German Domain-Specific Texts
University of Wuppertal（伍珀塔尔大学）；University of Konstanz（康斯坦茨大学）
命名实体识别（NER）是一项重要的任务，其目的是解决命名实体的通用类别，例如，人物、地点、组织和时间。尽管它在许多用例中的常见和可行的使用，但NER几乎不适用于一般类别次优的领域，如工程或医学。为了促进特定领域类型的NER，我们提出了ANEA，一个自动化（命名）实体注释器，以协助人类注释创建特定领域的NER语料库时，给定一组特定领域的文本德语文本集合。在我们的评估中，我们发现ANEA自动识别最能代表文本内容的术语，识别连贯术语组，并为这些组提取和分配描述性标签，即，将文本数据集注释到域（命名）实体中。
2021-12-13 cs.CL
Is "moby dick" a Whale or a Bird? Named Entities and Terminology in Speech Translation
Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会）；University of Trento（特伦托大学）
众所周知，自动翻译系统很难处理罕见的单词。其中，命名实体（NE）和特定领域的术语是至关重要的，因为他们的翻译错误会导致严重的意义扭曲。尽管他们的重要性，以前的语音翻译（ST）的研究忽视了他们，也是由于缺乏公开的资源量身定制的具体评估。为了填补这一空白，我们i）首次系统分析了最先进的ST系统在翻译NE和术语方面的行为，ii）发布NEuRoparl-ST，这是一个基于欧洲议会演讲注释NE和术语的新基准。我们在我们的基准测试（en->es/fr/it）所涵盖的三个语言方向上的实验表明，ST系统正确翻译了75-80%的术语和65-70%的NE，在人名上的性能非常低（37-40%）。
2021-09-15 cs.CL
Recognition and translation Arabic-French of Named Entities: case of the Sport places
MIRACL, University of Sfax（斯法克斯大学MIRACL研究所）；Marin Mersenne, University Paris1（巴黎第一大学马林·梅森研究所）；Panthéon Sorbonne（先贤祠-索邦大学）；LASELDI, University of Franche-Comte（弗朗什-孔泰大学LASELDI实验室）
阿拉伯语命名实体的识别是自然语言处理（NLP）领域中的一个重要问题。事实上，NE翻译允许访问多语言信息。这种翻译并不总是产生预期的结果，特别是当NE包含一个人名时。基于这个原因，为了改进翻译，我们可以音译NE的某些部分。在这种情况下，我们提出了一种方法，将翻译和音译在一起。我们使用了基于本地语法和转换器的语言学NooJ平台。在本文中，我们专注于体育领域。我们将首先建议在MUC会议上提出的类型模型的改进，我们将描述一个阿拉伯语音译模块到翻译系统的集成。最后，我们将详细介绍我们的方法，并给出评估结果。
2010-05-31 cs.CL
FlairNLP at SemEval-2023 Task 6b: Extraction of Legal Named Entities from Legal Texts using Contextual String Embeddings
Univeristy of Colorado, Boulder（科罗拉多大学博尔德分校）
针对印度法院判决书的法律命名实体识别任务，论文比较多种序列标注架构，发现基于 Flair Embeddings 的 Bi-LSTM 效果最佳，并发布 BIO 格式数据集。
2023-06-03 cs.CL
Improving ICD coding using Chapter based Named Entities and Attentional Models
针对自动ICD编码在过时数据集上假阳性高、F1分数低的问题，提出基于章节命名实体和注意力模型的增强方法，在Chapter-IV上利用双向GRU与Transformer实现0.79和0.81的Micro-F1分数，显著提升编码性能。
2024-07-24 cs.AI cs.CL
Automatically Generating Counterfactuals for Relation Classification
Wuhan University（武汉大学）
关系分类的目标是提取文本中实体之间的语义关系。作为自然语言处理的一项基本任务，保证RC模型的鲁棒性至关重要。尽管当前深度神经模型在RC任务中实现了高精度，但它们很容易受到虚假相关的影响。这个问题的一个解决方案是用反事实增强数据（CAD）训练模型，使得它可以学习因果关系而不是混淆。然而，没有尝试产生反事实的RC任务。在本文中，我们制定了自动生成CAD的RC任务从实体为中心的观点的问题，并开发了一种新的方法来获得上下文的实体反事实。具体来说，我们利用两个基本的拓扑性质，即，句法和语义依赖图中的中心性和最短路径，以首先识别并然后干预实体的上下文因果特征。我们进行了全面的评估四个RC数据集结合我们提出的方法与各种骨干RC模型。实验结果表明，该方法不仅提高了骨干网的性能，而且使其在域外测试中更加健壮。
2022-03-10 cs.CL cs.IR
Probing Pre-trained Auto-regressive Language Models for Named Entity Typing and Recognition
Deezer Research（Deezer研究院）
尽管命名实体识别（NER）的语言模型的令人印象深刻的结果，他们的推广到不同的文本体裁，不断增长的实体类型集，和新的实体仍然是一个挑战。在每个新案例中收集数千个注释进行训练或微调是昂贵且耗时的。相比之下，人类可以通过一些简单的指令轻松识别命名实体。受此启发，我们挑战对大型数据集的依赖，并在元学习设置中研究NER的预训练语言模型。首先，我们在zero-shot传输场景中测试命名实体类型（NET）。然后，我们通过给出几个推理实例来执行NER。我们提出了一种方法来选择看到的和罕见的/看不见的名字时，只能访问预先训练的模型，并报告这些组的结果。结果显示：自回归语言模型作为元学习者可以很好地执行NET和NER，特别是对于常规或见过的名字;对于特定实体类型经常出现的名字不规则性可以成为有效的可利用线索;具有对模型来说是外来的单词的名字对结果具有最负面的影响;在Few-Shot NER中，模型似乎更多地依赖于名字而不是上下文线索。
2022-04-27 cs.CL
Improving Speech Recognition of Named Entities in Classroom Speech with LLM Revision and Phonetic-Semantic Context
本文提出利用LLM修订和音义上下文提升课堂语音中命名实体的识别准确率，通过MIT课程数据集验证，实现30%的WER降低。
2026-04-19 cs.AI cs.CL
Embedding Models for Supervised Automatic Extraction and Classification of Named Entities in Scientific Acknowledgements
GESIS — Leibniz Institute for the Social Sciences（GESIS——莱布尼茨社会科学研究所）
本研究使用Flair框架训练NER模型，从科学论文致谢中自动提取和分类实体，最佳准确率达0.79，可识别六类实体，为自动化致谢分析做出贡献。
2023-07-25 cs.CL cs.DL cs.IR
FAME: Flexible, Scalable Analogy Mappings Engine
The Hebrew University of Jerusalem（耶路撒冷希伯来大学）
本研究提出FAME类比映射引擎，仅需实体名称即可自动提取常识表征完成映射，支持部分类比与实体推荐且可解释性强，实验显示其在多类类比问题上准确率优于人类，推动计算类比向更灵活实用的方向发展。
2023-11-03 cs.AI cs.CL
Focus! Relevant and Sufficient Context Selection for News Image Captioning
University of California, Davis（加州大学戴维斯分校）；University of California, Berkeley（加州大学伯克利分校）；Columbia University（哥伦比亚大学）
新闻图像描述需要通过利用新闻文章中的附加上下文来描述图像。以前的工作只是粗略地利用文章来提取必要的上下文，这使得模型识别相关事件和命名实体变得具有挑战性。在我们的论文中，我们首先证明，通过结合更细粒度的上下文，捕获关键的命名实体（通过Oracle获得）和全局上下文，总结新闻，我们可以显着提高模型的能力，以生成准确的新闻标题。这就引出了一个问题，如何从图像中自动提取这些关键实体？我们建议使用预先训练的视觉和语言检索模型CLIP本地化的新闻文章中的视觉接地的实体，然后通过一个开放的关系抽取模型捕获非视觉实体。我们的实验表明，通过简单地从文章中选择一个更好的上下文，我们可以显着提高现有模型的性能，并在多个基准测试中实现新的最先进的性能。
2022-12-01 cs.CL cs.CV
Named Clinical Entity Recognition Benchmark
M42
本研究推出命名临床实体识别基准，基于OMOP标准的公开临床数据集，以F1值等多模式评估各类语言模型的临床实体识别能力，为医疗NLP领域提供标准化对比平台以推动创新。
2024-10-07 cs.AI cs.CL
Data-Driven Evolution of Library and Information Science Research Methods (1990-2022): A Perspective Based on Fine-grained Method Entities
Department of Information Management, Nanjing University of Science and Technology（南京理工大学信息管理学院）
本研究利用1990-2022年LIS学术论文，自动提取算法模型、数据资源、软件工具和指标四类细粒度方法实体，从时间特征、研究主题演变和方法类别三个维度揭示数据驱动范式下LIS研究方法的演化趋势，发现数据资源是方法演化的关键驱动力，并呈现“涌现-稳定/实际应用”的循环模式。
2026-06-25 cs.CL cs.CY cs.DL
A Discriminative Entity-Aware Language Model for Virtual Assistants
Apple（苹果公司）
高质量的自动语音识别（ASR）是虚拟助手（VA）正常工作的必要条件。然而，ASR通常在包含命名实体的VA请求上表现不佳。在这项工作中，我们从观察到的许多ASR错误命名实体与现实世界的知识是不一致的。我们扩展了以前的歧视性的n-gram语言建模方法，将现实世界的知识从知识图谱（KG），使用功能，捕捉实体类型实体和实体实体的关系。我们应用我们的模型，通过一个有效的格rescoring过程中，实现相对句子的出错率减少25%以上的一些合成测试集覆盖不太流行的实体，与均匀采样的VA测试集最小的退化。
2021-06-21 cs.CL cs.LG
Learning Entity Linking Features for Emerging Entities
Tsinghua University（清华大学）；Jiangsu Normal University（江苏师范大学）；Nankai University（南开大学）；Huawei Technologies Co., Ltd（华为技术有限公司）
实体链接（EL）是将文本中出现的实体与知识库中相应的实体链接起来的过程。实体的EL特征（例如，先验概率、相关性得分和实体嵌入）通常基于维基百科来估计。然而，对于刚刚在新闻中发现的新兴实体（EE），它们可能还没有被包含在维基百科中。因此，无法从维基百科获得这些EE所需的EL特征，并且EL模型将始终无法正确地将模糊提及与这些EE联系起来，因为缺少它们的EL特征。为了解决这个问题，在本文中，我们专注于一个新的任务，学习EL功能的新兴实体的一般方式。我们提出了一种称为STAMO的新方法来自动学习EE的高质量EL特征，它只需要从Web上收集的每个EE的少量标记文档，因为它可以进一步利用隐藏在未标记数据中的知识。STAMO主要基于自训练，这使得它可以灵活地与任何EL特征或EL模型集成，但也使得它容易遭受错误标记数据引起的错误强化问题。而不是一些常见的自我训练策略，试图扔掉错误标记的数据显式，我们把自我训练作为一个多重优化过程相对于EL功能的EE，并提出了槽内和槽间优化，以减轻错误强化问题隐式。我们构建了两个EL数据集，涉及选定的EE，以评估所获得的EL功能的EE的质量，实验结果表明，我们的方法显着优于其他基线方法学习EL功能。
2022-08-08 cs.AI cs.CL
Inclusion of Role into Named Entity Recognition and Ranking
Dept. of Computer Science & Engg（计算机科学与工程系）；IIT Guwahati（印度果阿那理工学院）
本文将实体角色检测建模为命名实体识别与实体检索/排序任务，提出自动学习代表性词语并构建角色与实体表示的方法，探索句子和文档上下文，并以领域无关方式利用小数据集解决角色依赖语境、大规模领域数据难以获取的问题。
2025-11-10 cs.CL cs.LG
AutoTriggER: Label-Efficient and Robust Named Entity Recognition with Auxiliary Trigger Extraction
University of Southern California（南加州大学）；Information Science Institute, University of Southern California（南加州大学信息科学研究所）；University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
本文提出两阶段框架AutoTriggER，通过自动生成和利用“实体触发词”辅助命名实体识别，结合事后解释和嵌入插值技术增强模型先验知识，在三个数据集上表现出强标签效率并平均比RoBERTa-CRF基线高近0.5个F1点。
2023-05-18 cs.CL cs.IR
NSEEN: Neural Semantic Embedding for Entity Normalization
Information Sciences Institute, University of Southern California（南加州大学信息科学研究所）
人类的大部分知识都以文本形式编码，可在科学出版物，书籍和网络中获得。鉴于这些资源的快速增长，我们需要自动化的方法来提取这些知识到机器可处理的结构，如知识图谱。这个过程中的一个重要任务是实体规范化，它包括将文本中的噪声实体提到映射到众所周知的参考集中的规范实体。然而，实体规范化是一个具有挑战性的问题;通常有许多文本形式的规范实体可能无法在参考集中捕获，并且文本中提到的实体可能包括许多语法变体或错误。这个问题在生物学等科学领域尤为严重。为了解决这个问题，我们已经开发了一个通用的，可扩展的解决方案的基础上，深连体神经网络模型嵌入的语义信息的实体，以及它们的语法变化。我们使用这些嵌入快速映射新的实体到大的参考集，并在经验上显示了我们的框架在挑战生物实体规范化数据集的有效性。
2019-06-29 cs.CL cs.DB cs.IR
