中文NER—项目中的SOTA应用

前言

最近博主在做的一个项目中涉及到了中文NER任务。所以调研了近些年来中文NER上有什么刷榜的模型。发现了两个宝藏模型：FLAT和LEBERT。本篇文章将简单介绍下这两个模型各自的思想，并针对LEBERT的GitHub代码做一些实验上的分析。最后，还会提出一些NER数据增强方法。

原文链接：中文NER—项目中的SOTA应用

一、FLAT（ACL2020）

1、论文标题：《 FLAT: Chinese NER Using Flat-Lattice Transformer 》

2、论文链接：https://arxiv.org/pdf/2004.11795.pdf

3、Github：https://github.com/LeeSureman/Flat-Lattice-Transformer

4、方法

FLAT结构如下图Figure1(c)所示，每个字符和每个潜在的word使用head和tail两个索引去表示token在输入序列中的绝对位置，head表示开始索引，tail表示结束索引，对于每个字符，head和tail是一样的；每个word是不一样的，比如word “重庆”，head为1，tail为2，说明序列中第一个字符和第二个字符为“重庆”。

5、腾讯音乐文本NER

之前听分享报告，腾讯QQ音乐在做音乐文本NER时，采用的就是FLAT模型。其NER优化方案就是：设计更好的领域内知识融入模型。而该项目是2020年做的，当年领域内知识融入