面向小样本命名实体识别的数据增强算法改进策略研究

摘要：

[目的]提出适用于小样本命名实体识别的数据增强改进算法策略.[方法]以领域命名实体识别任务为例,基于简单数据增强(EDA)算法提出多维度的改进策略:多种领域词典混合的实体替换、领域语义分类词典的词性替换、语义保护机制的随机删除、词性保护的随机插入策略以及4种方法改进的组合策略,并分别进行命名实体识别模型训练.[结果]领域小样本数据增强改进策略的命名实体识别实验结果显示:单策略简单数据增强改进前后效果有所提升,F值分别提升3.2、4.6、4.5和2.5个百分点;相比之下,两种以上的混合策略F值提升效果欠佳.在应用人民日报及微博小样本数据集的扩展实验中,单策略简单数据增强改进的提升效果显著:基于多种领域词典混合的实体替换改进策略在两份数据集上F值最高提升6.7个百分点.[局限]在多种策略组合实验中,增强参数α、N调控难度加大,组合策略命名实体识别效果受到影响.[结论]本研究的简单数据增强算法改进策略有效改善了小样本命名实体识别模型效果.

关键词：数据增强、简单数据增强、小样本、命名实体识别

所属期刊栏目：6

分类号：TP393;G250(计算技术、计算机技术)

资助基金：国家社会科学基金;国家社会科学基金

在线出版日期：2023-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：128-141