Cross Domain_NER

Cross-domain_ner

Междоменное NER Использование моделирования междоменного языка, код для ACL 2019 Paper.

Введение

NER - фундаментальная задача в NLP. Из-за ограничения маркированных ресурсов, Cross Domain Ner был сложной задачей. Большая часть предыдущей работы концентрируется на сценарии надзора, используя помеченные данные как для источника, так и для целевых доменов. Недостатком такой настройки является то, что они не могут тренироваться для доменов, которые не имеют помеченных данных.

Мы решаем эту проблему, используя междоменную LM в качестве кросс-доменов моста для адаптации домена NER. Выполнение перекрестной задачи и перекрестной передачи путем разработки новой сети генерации параметров .

Эксперименты по набору данных новостей CBS SCITECH показывают, что наша модель может эффективно разрешать неконтролируемую адаптацию доменов, а также может получить адаптацию контролируемой домены между доменами с совершенно разными типами сущностей (IE News против Biomedical).

Наивная базовая линия модели единой задачи ( STM в бумаге) в основном следовала NCRF ++.

Для получения более подробной информации, пожалуйста, обратитесь к нашей статье:

Поперечное моделирование по междоменному языку
Чен Цзя, Сяобо Лян и Юэ Чжан*
(* Автор -корреспондент)
ACL 2019

Требования

 Python 2 or 3 
PyTorch 0.3

Память одного графического процессора должна быть не менее 8 ГБ, чтобы соответствовать модели.

Предварительные вторжения

Перчатки 100-мерные векторы слов (цитируйте отсюда ).

Набор данных

Исходный домен:

CONLL-2003 Английские данные NER.

Целевой домен

• Без контроля: CBS Scitech News (Test Set) (в: ` unsupervised_domain_adaptation data news_tech tech_test).
  
• Набор данных BIONLP13PC и набор данных BIONLP13CG.

LM необработанные данные

Отстаивает Domain Raw Data выпускается вместе с набором данных CONLL-2003.
Scitech News Domain Raw Data Download.
REUTERS NEWS DOMEN DATA DATA скачать.

Использование

Командование

supervised_domain_adaptation , unsupervised_domain_adaptation и combined_SDA_and_UDA может использовать следующую команду, чтобы она запустила.

 python main.py --config train.NER.config

File train.NER.config содержит путь набора данных и гиперпараметры модели после NCRF ++.

Входной формат

• Мы рекомендуем использовать стиль лейбла iboes для набора данных NER.
• Мы рекомендуем использовать стиль ввода одного предложения на линию для необработанных данных с сегментацией слов.

Цитировать:

Если вы используете наши данные или код, пожалуйста, укажите нашу статью следующим образом:

 @inproceedings{jia2019cross,
  title={Cross-domain ner using cross-domain language modeling},
  author={Jia, Chen and Liang, Xiaobo and Zhang, Yue},
  booktitle={Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics},
  pages={2464--2474},
  year={2019}
  organization={Association for Computational Linguistics}
}

Обновлять

• V2 Объединение сценария контролируемого и неконтролируемого сценария в combined_SDA_and_UDA .
• V1. Предыдущий сценарий контролируемого в supervised_domain_adaptation
  Предыдущий сценарий без присмотра в unsupervised_domain_adaptation ;