典型文献
一种多源领域自适应命名实体识别方法
文献摘要：
领域自适应是解决低资源问题的一种通用方式,可应用于各种自然语言处理的任务中.当前针对命名实体识别(named entity recognition,NER)任务的领域自适应研究通常从单一的源领域迁移到目标领域,在目标领域和源领域相近的情况下,这种方式能够取得较好的识别效果,但是在目标领域与源领域相关度不高的情况下,单一领域迁移方式存在很大的局限性.针对这一问题,提出一种融合多源领域贡献度加权的自适应NER模型(multi-domain adaptation NER model based on importance weighting,MDAIW).1)通过多个领域的知识迁移来提升目标领域的实体识别性能;2)根据不同领域及其领域内样本对目标领域的重要性,计算领域贡献度;3)将领域贡献度引入到NER模型中,以此来实现更好的模型领域适应性.最终在多个目标领域上进行实验,性能皆优于当前性能最好的方法,验证了模型的有效性.
文献关键词：
命名实体识别;领域自适应;贡献度加权;多源
中图分类号：
作者姓名：
李佳芮;刘健;陈钰枫;徐金安;张玉洁
作者机构：
北京交通大学计算机与信息技术学院,北京 100044
文献出处：
引用格式：
[1]李佳芮;刘健;陈钰枫;徐金安;张玉洁-.一种多源领域自适应命名实体识别方法)[J].厦门大学学报（自然科学版）,2022(04):617-623
A类：
多源领域自适应,贡献度加权,MDAIW
B类：
命名实体识别,实体识别方法,低资源,通用方式,自然语言处理,named,entity,recognition,NER,适应研究,相关度,multi,domain,adaptation,model,importance,weighting,知识迁移,移来,提升目标,识别性,将领,型领,领域适应
AB值：
0.28367
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
