【ACL 2021】Locate and Label A Two-stage Identifier for Nested Named Entity Recognition

一、Introduction

1. 命名实体识别（NER）是自然语言处理中一项研究非常广泛的任务。传统的NER研究只处理平面实体，而忽略了嵌套实体。例如：北京大学，北京大学不仅是一个组织，同时北京也是一个地点。

2. 嵌套实体研究现状：

   ( 1 )序列方法：这种预测边界，但在没有动态调整的情况下，边界信息没有得到充分利用。

   ( 2 )基于$span$的方法：将实体识别的问题转化为了$span$分类问题。假设一个句子有四个词$s_1,s_2,s_3,s_4$，枚举所有$span$的可能性，然后逐一判断每个$span$是不是实体。这种方法由于大量低质量的$span$导致较高的计算成本。
   s e n t e n c e s = { s 1 , s 2 , s 3 , s 4 } sentences=\{s_1,s_2,s_3,s_4\} sentences={ s1​,s2​,s3​,s4​}
   $$s_1,s_2,s_3,s_4,s_1{s}_2,s_2{s}_3,s_3{s}_4,s_1{s}_2{s}_3,s_2{s}_3{s}_4,s_1{s}_2{s}_3{s}_4$$

二、Method

1. 在第一阶段，设计$SpanProposal$模块，该模块包含两个组件：过滤器和回归器。过滤器作用是过滤掉低质量的$spans$，保留高质量的$spans$（$SpanProposal$）。回归器通过调整跨度建议的边界来定位实体，以提高$SpanProposal$的质量。
2. 在第二阶段，我们使用实体分类器来标记实体类别。
   

2.1 Token Representation

一个句子n个词，第i个词向量是通过将它的词向量 $x_i^w$、上下文词向量$x_i^{lm}$、词性向量$x^{pos}i$、字符级向量$x_i^{char}$进行拼接，然后将其输入$BiLSTM$获得最终词向量$h_i\in {\mathbb{R}}^d$。

2.2 Seed Span Generation

1. $seed$ $spans$集合

   一个句子长度为$L$，枚举所有的起始位置和结束位置生成$seed$ $spans$，$seed$ $spans$集合表示为 β = { b 0 , . . . , b K } \beta=\{b_0,...,b_K\} β={ b0​,...,bK​}，其中 b i = ( s t i , e d i ) b_i=(st_i,ed_i) bi​=(st