01

Introduction-現有什么問題、怎么解決

此部分著重介紹了兩個few-shot NER中的challenge：limited information challenge和knowledge mismatch challenge。前者主要是指樣本數少，后者是指不同的數據集中同一個實體可能被分成了不同的類別標簽。（比如“America”在Wikipedia被分為geographic , 在 OntoNotes中被分為GPE, 在WNUT17被分為location ）

本文最重要的思想基于這樣一個假設：不論是否是未知的實體類別，都可以用一個概念集中的若干概念來描述（all entity types can be described using the same set of concepts）。這樣可以解決knowledge mismatch challenge，而且在給了幾個少樣本后，可以根據這幾個少樣本構建新實體類別到概念集的映射，這樣可以直接用映射后的若干概念識別實體，進而解決limited information challenge。下圖是實體類別到概念集的映射舉例。

02

SDNet: Self-describing Networks for FS-NER

2.1 SDNet核心部分: Mention describing、Entity generation

這部分將主要介紹SDNet怎么進行命名實體識別的，主要包括：Mention describing（從給的sentence構建該實體的concept description）和Entity generation（根據給的實體類型逐個生成句子中的實體詞）。

以下圖為例，輸入一個sentence（以[MD]作為起始符），SDNet將輸出novel series這樣的concept description。輸入一個以[EG]作為起始符、實體類別名+相關的concept description以及待識別的sentence作為內容的文本，SDNet將輸出Harry Potter is creative work.這樣的回答。這兩個過程分別對應Mention describing和Entity generation。

2.2 模型工作流程

a、預訓練階段

左上角的維基百科上有大量的句子，句子中的人物、地點、公司等都有相應的維基百科給的標簽和描述。預訓練階段根據2.1部分介紹的模板，進行[MD]和[EG]兩個任務的Seq2Seq任務的訓練。

b、微調與解碼階段

這部分對應于Few-shot NER的少樣本階段。給了一些帶標注的少量樣本句子，我們知道了這些句子中那些單詞是實體部分，把這些實體部分添加到以[MD]開頭的模板并輸入到SDNet中，模型會生成這些實體部分描述，并將生成的描述加入到新類別的概念描述集中，并在預測階段輸入添加了新類別的[EG]開頭的模板，根據生成的結果判斷待預測的句子中哪些單詞部分是該類別的實體。

以上圖中為例，給的少樣本中Iran是GPE類別的實體，SDNet先用[MD]開頭的模板生成了Iran是country的描述，將country加入到屬于GPE這個新類別的概念描述集合中，在預測階段用[EG]開頭的模板輸入GPE這個類別名、其包含的概念描述以及待識別的句子，生成屬于GPE的實體詞，完成實體識別。

c、Filtering Strategy

在眾多下游任務中，SDNet可能會遇到難以生成新實體類別描述的情況（或者或生成不準確的描述），因此SDNet在訓練階段可以對于那些不去確定的instance生成other的描述詞。如果給少量樣本生成的描述詞中有0.5以上的other，將在最后的decode階段直接使用新實體類別名（如GPE）。（實驗部分可以看到這個策略帶來了一定的提升）

具體實現過程將不再贅述，可以看原文的第4部分，有對預訓練和fintune階段的詳細介紹。

03

實驗部分

這種借助先驗知識的方式，在6個數據集上都取得了很好的效果，尤其是對一些之前的識別效果一直很差的（比如I2B2），這說明這種通用的實體概念集合在各種類別間是通用的。

04

評價

優點：

為少樣本NER引用外部知識提供了新思路，且提供了可直接使用的，通用的預訓練模型，可以為后來的研究工作提供參考。

可能的缺陷：

在很多新領域下（尤其涉及到domain transfer）的，可能會出現很多無法描述成概念集合的實體類別，出現大量的other，這時只能用實體類別名了，在完全不重疊的領域之間可能效果會不佳。

另外，預訓練階段使用的維基百科，大量的是事件人物地點等這些廣泛且常用的，面對實際應用中的非常見實體類別時，可能做不到很好的描述。

在大量的語料中進行訓練，可能出現了“泄露”，當然這只是一個猜測。




審核編輯：劉清