点击上方“程序员大白”，选择“星标”公众号

重磅干货，第一时间送达

转载 | PaperWeekly

作者 | 周志洋

单位 | 腾讯算法工程师

方向 | 对话机器人

命名实体识别（NER, Named Entity Recognition），是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。

本文将以 BERT 作为时间节点，详细介绍 NER 历史使用过的一些方法，以及在 BERT 出现之后的一些方法。

01 NER—过去篇

本节将从以下方面展开：

1.1 评价指标

使用实体级别的精确率、召回率、F1。

1.2 基于词典和规则的方法

利用词典，通过词典的先验信息，匹配出句子中的潜在实体，通过一些规则进行筛选。

或者利用句式模板，抽取实体，例如模板“播放歌曲${song}”，就可以将query=“播放歌曲七里香”中的 song= 七里香抽取出来。

正向最大匹配 & 反向最大匹配 & 双向最大匹配。

原理比较简单，直接看代码：

https://github.com/InsaneLife/MyPicture/blob/master/NER/ner_rule.py

正向最大匹配：从前往后依次匹配子句是否是词语，以最长的优先。

后向最大匹配：从后往前依次匹配子句是否是词语，以最长的优先。

双向最大匹配原则：

覆盖 token 最多的匹配。
句子包含实体和切分后的片段，这种片段+实体个数最少的。

1.3 基于机器学习的方法

CRF，原理可以参考：Conditional Random Fields: Probabilistic Models for Segmenting and Labeling Sequence Data

在随机变量 X 取值为 x 的条件下，随机变量 Y 取值为 y 的条件概率为：

其中是特征函数（如上图），对应权值，是规范化因子。

来（chao）自李航的统计学习方法

1.4 引入深度学习语义编码器

1.4.1 BI-LSTM + CRF

Bidirectional LSTM-CRF Models for Sequence Tagging [2]

BI-LSTM-CRF 模型可以有效地利用过去和未来的输入特征。借助 CRF 层, 它还可以使用句子级别的标记信息。BI-LSTM-CRF 模型在 POS（词性标注），chunking（语义组块标注）和 NER（命名实体识别）数据集上取得了当时的 SOTA 效果。同时 BI-LSTM-CRF 模型是健壮的，相比之前模型对词嵌入依赖更小。

文中对比了 5 种模型：LSTM、BI-LSTM、CRF、LSTM-CRF、BI-LSTM-CRF，LSTM：通过输入门，遗忘门和输出门实现记忆单元，能够有效利用上文的输入特征。BI-LSTM：可以获取时间步的上下文输入特征。CRF：使用功能句子级标签信息，精度高。

比较经典的模型，BERT 之前很长一段时间的范式，小数据集仍然可以使用。

1.4.2 stack-LSTM & char-embedding

Neural Architectures for Named Entity Recognition [3]

stack-LSTM ：stack-LSTM 直接构建多词的命名实体。Stack-LSTM 在 LSTM 中加入一个栈指针。模型包含 chunking 和 NER（命名实体识别）。

1. 堆栈包含三个：output（输出栈/已完成的部分），stack（暂存栈/临时部分），buffer（尚未处理的单词栈）。

2. 三种操作（action）：

SHIFT：将一个单词从 buffer 中移动到 stack 中；
OUT：将一个单词从 buffer 中移动到 output 中；
REDUCE：将 stack 中的单词全部弹出，组成一个块，用标签 y 对其进行标记，并将其 push 到 output 中。

3. 模型训练中获取每一步的 action 的条件概率分布，标签是真实每一步 action 的概率分布。预测时候，同坐预测每一步 action 概率，用概率最大 action 来执行 action 操作。

4. 在 REDUCE 操作输出 chunking 块之后，通过 lstm 对其编码输出 chunk 的向量表达，然后预测其标签。

举例见图示：

stack-LSTM 来源于：Transition-based dependency parsing with stack long-short-term memory [4]

同时使用初始化的 char-embedding，对于每一个词语，通过 BI-LSTM 将字符编码作为输入，输出词语的字符级别表达，然后 concat 词向量输入到 BI-LSTM + CRF。

1.4.3 CNN + BI-LSTM + CRF

End-to-end Sequence Labeling via Bi-directional LSTM- CNNs-CRF [5]

通过 CNN 获取字符级的词表示。CNN 是一个非常有效的方式去抽取词的形态信息（例如词的前缀和后缀）进行编码的方法，如图。

然后将 CNN 的字符级编码向量和词级别向量 concat，输入到 BI-LSTM + CRF 网络中，后面和上一个方法类似。整体网络结构：

1.4.4 IDCNN

2017 Fast and Accurate Entity Recognition with Iterated Dilated Convolutions [6]

针对 Bi-LSTM 解码速度较慢的问题，本文提出 ID-CNNs 网络来代替 Bi-LSTM，在保证和 Bi-LSTM-CRF 相当的正确率，且带来了 14-20 倍的提速。句子级别的解码提速 8 倍相比于 Bi- LSTM-CRF。

CNN 缺点：CNN 的上下文信息取决于窗口的大小，虽然不断地增加 CNN 卷积层最终也可以达到使每个 token 获取到整个输入句子作为上下文信息，但是其输出的分辨表现力太差。

于是出现了扩张卷积（or 空洞卷积）：对于扩张卷积，有效输入宽度可以随着深度呈指数增长，在每层不会有分辨率损失，并且可以估计一定数量的参数。

1.4.5 胶囊网络

Joint Slot Filling and Intent Detection via Capsule Neural Networks [7]

Git: https://github.com/czhang99/Capsule-NLU

NLU 中两个重要的任务，Intent detection 和 slot filling，当前的无论 pipline 或者联合训练的方法，没有显示地对字、槽位、意图三者之间的层次关系建模。

本文提出将胶囊网络和 dynamic routing-by-agreement 应用于 slot filling 和 intent detection 联合任务。

1. 使用层次话的胶囊网络来封装字、槽位、意图之间的层次关系。

2. 提出 rerouting 的动态路由方案建模 slot filling。

网络分为 WordCaps、SlotCaps、IntentCaps。胶囊网络原理参考：Dynamic Routing Between Capsules [8]

WordCaps：对于输入，输入 BI-LSTM 编码成为 T 个胶囊向量，和普通 BI-LSTM 并无区别：

SlotCaps：这里有 k 个 slotCaps，对应 k 个 ner的标签。作者利用第 t 个 wordCap 对于第k个 slotCap 的动态路由权重作为第 t 个字的 ner 预测标签的概率。初始向量：

通过动态路由算法，更新权重：

输出胶囊向量：

最终 slot filling 的损失为：

IntentCaps：输入是 slotCaps 的输出胶囊向量，第 k 个 slotCap 对第 l 个 intentCap 的表达向量：

同样通过动态路由算法获得输出胶囊向量，向量的模作为属于 l 类的概率：

损失使用了 max-margin Loss：

Re-Routing：为了将 Intent 的信息提供给 NER 使用，提出了 Re-Routing 机制，它和动态路由机制很像，唯一改动在于权重更新中同时使用了，其中是 norm 值最大的胶囊向量。

1.4.6 Transformer

BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding [10]

直说吧，就是 BERT，bert 之前万年 bilstm+crf，bert 之后，基本没它什么事儿了，bert 原理不多赘述，应用在 NER 任务上也很简单，直接看图，每个 token 的输出直接分类即可：

1.5 语义特征

1.5.1 char-embedding

Neural Architectures for Named Entity Recognition [9]

将英文字符拆解为字母，将词语的每个字母作为一个序列编码，编码器可以使用 rnn，cnn 等。

1.5.2 Attending to Characters in Neural Sequence Labeling Models

Attending to Characters in Neural Sequence Labeling Models [12]

使用了单词或字符级别 embedding 组合，并在两种 embedding 之间使用 attention 机制“灵活地选取信息”，而之前模型是直接将两种 embedding concat。

直接看公式，z 是一个动态权重：

并交叉熵上增加额外的 loss：

非 OOV 单词希望 m 和 x 越相似越好。

char-embedding 学习的是所有词语之间更通用的表示，而 word-embedding 学习的是特特定词语信息。对于频繁出现的单词，可以直接学习出单词表示，二者也会更相似。

1.5.3 Radical-Level Features（中文部首）

Character-Based LSTM-CRF with Radical-LevelFeatures for Chinese Named Entity Recognition [13]

也是一种 char embedding 方法，将每个中文字拆分为各个部首，例如“朝”会被拆分为字符：十、日、十、月。后面结构都类似。

1.5.4 n-gram prefixes and suffixes

Named Entity Recognition with Character-Level Models [14]

提取每个词语的前缀和后缀作为词语的特征，例如：“aspirin” 提取出 3-gram 的前后缀：{"asp", "rin"}.

包含两个参数：n、T。n 表示 n-gram size，T 是阈值，表示该后缀或者前缀至少在语料库中出现过 T 次。

1.6 多任务联合学习

1.6.1 联合分词学习

Improving Named Entity Recognition for Chinese Social Mediawith Word Segmentation Representation Learning [15]

将中文分词和 NER 任务联合起来。使用预测的分割标签作为特征作为 NER 的输入之一，为 NER 系统提供更丰富的边界信息。

分词语料目前是很丰富的。如果目标域数据量比较小，不妨用分词的语料作为源域，来预训练一个底层编码器，然后再在目标域数据上联合分词任务 fine-tuning。

1.6.2 联合意图学习

slot-gated

Slot-Gated Modeling for Joint Slot Filling and Intent Prediction [16]

slot-gated 这篇文章提出了 slot-gate 将槽位和意图的关系建模，同时使用了 attention 方法，所以介绍这篇文章直接一起介绍 attention，之前 attention 相关的就不介绍了。

底层特征：使用 BiLSTM 结构，输入：，输出：。

attention：

slot filling attention 权重计算：

，和一致。，计算的是和当前输入向量之间的关系。作者 TensorFlow 源码用的卷积实现，而用的线性映射 _linear()。T 是 attention 维度，一般和输入向量一致。

slot：

Intent Prediction：其输入时 BiLSTM 的最后一个单元的输出以及其对应的 context 向量，c 的计算方式和 slot filling 的一致，相当于其 i=T。

Attention 具体细节见：Attention-Based Recurrent Neural Network Models for Joint Intent Detection and Slot Filling [19]，博客：

https://blog.csdn.net/shine19930820/article/details/109756345?spm=1001.2014.3001.5501

slot-Gate

利用意图上下文向量来建模槽意图关系，以提高槽填充性能。如图 3：

槽位的 context 向量和意图的 context 向量组合通过门结构（其中 v 和 W 都是可训练的）：

，d 是输入向量 h 的维度。
，获得的权重。
论文源码使用的是：

用 g 作为预测的权重向量：

Stack-Propagation

A Stack-Propagation Framework with Token-level Intent Detection for Spoken Language Understanding [18]
Git: https://github.com/%20LeePleased/StackPropagation-SLU

首先什么是 Stack-Propagation 呢，如下图所示：

它是区别于多任务，不同的任务通过 stack（级联？）的方式一起学习优化。

然后本文将意图任务的输出 stack 输入给 NER 任务，具体做法：

Token intent（意图阶段）：假设每个 token 都会有一个意图的概率分布（标签是句子的意图，通过大量数据训练，就能够学到每个 token 的意图分布，对于每个意图的‘偏好’），最终句子的意图预测通过将每个 token 的意图预测结果投票决定。
Slot Filling：输入包含下面三部分：，其中是上一阶段 token intent 的预测结果的 intent id，然后经过一个意图向量矩阵，转化为意图向量，输入给实体预测模块，解码器就是一层 lstm+softmax。

1.6.3 BERT for Joint Intent Classification and Slot Filling

BERT for Joint Intent Classification and Slot Filling [19]

原理如图，底层编码器使用了 BERT，token 的输出向量接 softmax 预测序列标签，cls 向量预测意图。

bert 之后，似乎之前的一些优化都变成了奇技淫巧，那么就没有新的方法了吗？bert 之前实体识别都是以序列标注（sequence labeling）来识别，没有其他的解码方式吗？关于 NER 的现在，且往下看。

02 NER—现在篇

本节将从以下方面展开：

2.1 解码框架（Framework）

这里归类的解码器似乎也不太合适，但是也找不到好的了。

sequence labeling（序列标注）将实体识别任务转化为序列中每个 token 的分类任务，例如 softmax、crf 等。相比于 sequence labeling 的解码方式，最近也有很多新的解码方式。

2.1.1 span

SpanNER: Named EntityRe-/Recognition as Span Prediction [20]
Coarse-to-Fine Pre-training for Named Entity Recognition [21]

本质是预测实体的开始和结束节点，即对于每个 token 都会预测它是不是某个实体的开始和结束，对于多实体类型，有两种方式：

1. 对于每个 token，会预测 start 和 end，对于 start，是一个多分类 (N+1) 任务，N 是实体个数：

2. 对于每一个类别，都预测对应的 start 和 end。

这种方式的优点是，可以解决实体嵌套问题。但是也有一个缺点，就是预测实体的 start 和 end 是独立的（理论上应该联合 start 和 end 一起考虑是否是一个实体），解码阶段容易解码出非实体，例如：

token“林”预测为 start，“伟”预测为 end，那么“林丹对阵李宗伟”也可以解码为一个实体。

所以，span 更适合去做实体召回，或者句子中只有一个实体（这种情况应该很少），所以阅读理解任务一般会使用功能 span 作为解码。

损失函数：

2.1.2 MRC（阅读理解）

A Unified MRC Framework for Named Entity Recognition [22]

这个方法很有意思，当我们要识别一句话中的实体的时候，其实可以通过问题和答案的方式。解码阶段还是可以使用 crf 或者 span。例如：

问题：句子中描述的人物是？；句子：林丹在伦敦夺冠；答案：林丹；

个人主观意见认为不实用，原因如下：

对于不同的实体，需要去构建问题模板，而问题模板怎么构建呢？人工构建的话，那么人构建问题的好坏将直接影响实体识别。
增加了计算量，原来输入是句子的长度，现在是问题+句子的长度。
span 的问题，它也会有（当然 span 的优点它也有），或者解码器使用 crf。

2.1.3 片段排列+分类

Span-Level Model for Relation Extraction [23]
Instance-Based Learning of Span Representations [24]

其实 span 还是属于 token 界别的分类任务，而片段排列+分类的方式，是直接对于所有可能的片段，输入是 span-level 的特征，输出的是实体的类别。片段排列会将所有可能的 token 组合作为输入进行分类，例如：

span-leval 特征一般包含：

片段的编码，pooling 或者 start 和 end 向量的拼接，一般比较倾向于后者。
片段的长度，然后通过 embedding 矩阵转为向量。
句子特征，例如 cls 向量。

模型的话，参考这个模型，其中的 a,b 阶段是实体识别：

SpERT：Span-based Joint Entity and Relation Extraction with Transformer Pre-training [25]

缺点：

对于长度为 N 的句子，如果不限制长度的话，会有 N(N+1)/2，长文本的话，片段会非常多，计算量大，而且负样本巨多，正样本极少。
如果限制候选片段长度的话，那么长度又不灵活。

其实刚刚讲到 span 合适用来做候选召回，那么 span 的预测结果再用分类的方式进行识别，也不失为一种方式。

2.2 融合知识

2.2.1 隐式融合

这部分主要指通过预训练模型中融入知识，一种是通过在目标域的数据上进行 adaptive pretrain [26]，例如是对话语料，那么使用对话语料进行适配 pretrain（预训练）。

另一种是在预训练阶段引入实体、词语实体信息，这部分论文也比较同质化，例如 nezha/ernie/bert-wwm，以 ernie 为例，将知识信息融入到训练任务中，ERNIE 提出一种知识掩盖策略取代 bert 的 mask，包含实体层面和短语级别的掩盖，见下图：

Basic-Level Masking: 和 bert 一样，随机选取 token 做 mask。

Phrase-Level Masking: 会将语法中的短语做 mask，例如：a series of|such as 等。

Entity-Level Masking: 会将一些实体整个 mask，主要实体包含人物、地点、组织、产品名等。

训练预料包括中文维基百科，百度百科，百度新闻（最新的实体信息），百度贴吧。

2.2.2 显示融合

这部分显示融合主要指通过在模型数据层面引入知识。

Trie树匹配结果作为特征

这部分比较简单，即将句子通过规则匹配到的词语信息作为先验输入，如果对于垂域的 NER 可以使用此方式。

匹配方式参考上一节中的词典匹配的方法。

融合分词信息（multi-grained: fine-grained and coarse-grained）

multi-grained 翻译应该是多粒度，但是个人认为主要是融入了分词的信息，因为 bert 就是使用字。

中文可以使用词语和字为粒度作为 bert 输入，各有优劣，那么有没有可能融合两种输入方式呢？

前期融合：

LICHEE [27]：前期即输入 embedding 层面融合，使用 max-pooling 融合两种粒度（词和字粒度）embedding：

TNER [28]：改进了 Transformer 的 encdoer，更好地建模 character 级别的和词语级别的特征。通过引入方向感知、距离感知和 un-scaled 的 attention，改造后的 Transformer encoder 也能够对 NER 任务显著提升。

文章比较有意思是分析了 Transformer 的注意力机制，发现其在方向性、相对位置、稀疏性方面不太适合 NER 任务。

embedding 中加入了 word embedding 和 character embedding，character embedding 经过 Transformer encoder 之后，提取 n-gram 以及一些非连续的字符特征。

计算 self-attention 包含了相对位置信息，但是是没有方向的，并且在经过 W 矩阵映射之后，相对位置信息这一特性也会消失。所以提出计算 attention 权值时，将词向量与位置向量分开计算：

去掉了 attention 计算中的 scaled，即不除以，认为效果更好。

FLAT [29]：将 Lattice 结构和 Transformer 相结合，解决中文会因为分词引入额外的误差，并且能够利用并行化，提升推理速度。如下图，通过词典匹配到的潜在词语 (Lattice)，然后见词语追加到末尾，然后通过 start 和 end 位置编码将其和原始句子中的 token 关联起来。

另外也修改了 attention 的相对位置编码（加入了方向、相对距离）和 attention 计算方式（加入了距离的特征），和 TNER 类似，后续也有一篇 Lattice bert，内容几乎一样。

中期融合

ZEN: Pre-training Chinese Text Encoder Enhanced by N-gram Representations [30]

即在 encoder 某些层中融入词语和字的输出。在 char 的中间层添加 N-gram 的 embedding 输入。

这种 n-gram 加入到 char 的输出上，可能会找出信息泄露，例如 mlm 预测粤的时候，由于融入了“港澳”、“粤港澳”、“粤港澳大湾区”，可能会对预测粤的时候泄露答案。聪明的小伙伴会说那我直接 mask 全词啊，那这里如果 mask 掉“粤港澳大湾区”，其实会找出 mask 大部分句子，模型很难学。另一种就是修改 attention 的可见矩阵。

后期融合：

Ambert [31]：字和词语各自经过一个共享的 encoder，然后将粗细粒度的输出融合，看输出不适合 ner 任务，更适合分类任务。

融合知识图谱信息

K-BERT: Enabling Language Representation with Knowledge Graph [32]

知识图谱包含实体、实体类型、实体和实体的关系（边），怎么把这些信息融入到输入中呢？K-BERT 使用方式很直接，如下图：

例如句子中，cook 在图谱中是 apple 的 ceo，那么直接将其插入到句子中，那不就扰乱了句子顺序吗，并且对于其他 token 是引入了额外的信息干扰。因此它提出了两种方法解决这个问题。

位置编码，原始句子的位置保持不变，序列就不变，同时对于插入的“CEO”、"Apple"和“cook”的位置是连续，确保图谱知识插入的位置。
同时对于后面的 token，“CEO”、"Apple属于噪声，因此利用可见矩阵机制，使得“CEO”、"Apple"对于后面的 token 不可见，对于 [CLS] 也不可见。

2.3 标注缺失

首先对于 NER 标注，由于标注数据昂贵，所以会通过远程监督进行标注，由于远监督词典会造成高准确低召回，会引起大量未标注问题？

另外即使标注，存在实体标注缺失是很正常的现象，除了去纠正数据（代价过高）之外，有么有其他的方式呢？

2.3.1 AutoNER

Learning Named Entity Tagger using Domain-Specific Dictionary [33]
Better Modeling of Incomplete Anotations for Named Entity Recognition [34]

当使用词典进行实体的远监督标注时，由于词典有限，一般会造成标注数据中实体高准确，低召回（未标注）的问题。为了解决数据中的未标注问题，提出了 AutoNER with “Tie or Break”的方法。

具体算法如图，其中：

1. Tie：对于两个相邻的 token，如果他们是属于同一个实体，那么他们之间是 Tie。

2. Unknow：两个相邻的 token 其中一个属于未知类型的高置信实体，挖掘高置信实体使用 AutoPhrase [35]。

3. Break：不属于以上情况，即非同一实体。

4. 两个 Break 之间的 tokens 作为实体，需要去识别对应的类别。

5. 计算损失的时候，对于 Unknow 不计算损失（主要是为了缓解漏标（false negative）问题）。

解决的问题：

即使远监督将边界标注错误，但是实体内部的多数 tie 还是正确的。

个人理解出发点：1. 提出 tie or break 是为了解决边界标注错误问题，Unknow不计算损失缓解漏标（false negative）问题。

但是有个问题，文中提到了 false negative 的样本来自于 high-quality phrase，但是这些 high-quality phrase 是基于统计，所以对于一些低频覆盖不太好。

另外一篇论文也是类似的思想：Training Named Entity Tagger from Imperfect Annotations [36]，它每次迭代包含两步：

1. 错误识别：通过交叉训练识别训练数据集中可能的标签错误。

2. 权重重置：降低含有错误标注的句子的权重。

2.3.2 PU learning

Distantly Supervised Named Entity Recognition using Positive-Unlabeled Learning [37]

主要解决词典漏标或者标注不连续问题，降低对于词典构造的要求。Unbiased positive-unlabeled learning 正是解决未标记样本中存在正例和负例的情况，作者定义为：

是负例，未标注样本属于是正例，解决未标注问题就是怎么不用负样本去预估。

为什么不用负样本，因为负样本可能保证未标注正样本。

作者将其转化为：

所以我直接去学正样本就好了嘛，没毛病。这里大概就能猜到作者会用类似 out of domian 的方法了。

但是我感觉哪里不对，你这只学已标注正样本，未标注的正样本没学呢。

果然，对于正样本每个标签，构造不同的二分类器，只学是不是属于正样本。

我不是杠，但是未标注的实体仍然会影响二分类啊。

2.3.3 负采样

Empirical Analysis of Unlabeled Entity Problem in Named Entity Recognition [38]

未标注会造成两类问题：1）降低正样本量。2）将未标注视为负样本。1 可以通过 adaptive pretrain 缓解，而 2 后果却更严重，会对于模型造成误导，怎么消除这种误导呢，那就是负采样。

本文 ner 框架使用了前面介绍的片段排列分类的框架，即每个片段都会有一个实体类型进行分类，也更适合负采样。

负采样：即对于所有非实体的片段组合使用下采样，因为非实体的片段组合中有可能存在正样本，所以负采样一定程度能够缓解未标注问题。注意是缓解不是解决。损失函数如下：

其中前面部分是正样本，后面部分是负样本损失，就是采样的负样本集合。方法很质朴，我觉得比 pu learning 有效。作者还证明了通过负采样，不将未标注实体作为负样本的概率大于 (1-2/(n-5))，缓解未标注问题。

2.4 预训练语言模型

这个主要是 bert 相关的优化。对于下游任务，包括 NER 也有提升，就不展开了，见图：‍

‍

参考文献

[1] Conditional Random Fields: Probabilistic Models for Segmenting and Labeling Sequence Data

[2] Bidirectional LSTM-CRF Models for Sequence Tagging：https://arxiv.org/abs/1508.01991v1

[3] Neural Architectures for Named Entity Recognition：https://arxiv.org/abs/1603.01360

[4] Transition-based dependency parsing with stack long-short-term memory：http://www.oalib.com/paper/4074644

[5] End-to-end Sequence Labeling via Bi-directional LSTM- CNNs-CRF：https://www.aclweb.org/anthology/P16-1101.pdf

[6] Fast and Accurate Entity Recognition with Iterated Dilated Convolutions：https://arxiv.org/abs/1702.02098

[7] Joint Slot Filling and Intent Detection via Capsule Neural Networks：https://arxiv.org/abs/1812.09471

[8] Dynamic Routing Between Capsules：http://papers.nips.cc/paper/6975-dynamic-routing-between-capsules.pdf

[9] Neural Architectures for Named Entity Recognition：https://arxiv.org/abs/1603.01360

[10] BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding：https://arxiv.org/abs/1810.04805

[11] Neural Architectures for Named Entity Recognition：https://arxiv.org/abs/1603.01360

[12] Attending to Characters in Neural Sequence Labeling Models：https://arxiv.org/abs/1611.04361

[13] Character-Based LSTM-CRF with Radical-LevelFeatures for Chinese Named Entity Recognition：http://www.nlpr.ia.ac.cn/cip/ZongPublications/2016/13董传海Character-Based%20LSTM-CRF%20with%20Radical-Level%20Features%20for%20Chinese%20Named%20Entity%20Recognition.pdf

[14] Named Entity Recognition with Character-Level Models：https://nlp.stanford.edu/manning/papers/conll-ner.pdf

[15] Improving Named Entity Recognition for Chinese Social Mediawith Word Segmentation Representation Learning：https://www.aclweb.org/anthology/P16-2025

[16] Slot-Gated Modeling for Joint Slot Filling and Intent Prediction：https://aclanthology.org/N18-2118

[17] Attention-Based Recurrent Neural Network Models for Joint Intent Detection and Slot Filling：https://blog.csdn.net/shine19930820/article/details/83052232

[18] A Stack-Propagation Framework with Token-level Intent Detection for Spoken Language Understanding：https://www.aclweb.org/anthology/D19-1214/

[19] BERT for Joint Intent Classification and Slot Filling：https://arxiv.org/abs/1902.10909

[20] SpanNER: Named EntityRe-/Recognition as Span Prediction (https://arxiv.org/pdf/2106.00641v1.pdf)

[21] Coarse-to-Fine Pre-training for Named Entity Recognition (https://aclanthology.org/2020.emnlp-main.514.pdf)

[22] A Unified MRC Framework for Named Entity Recognition (https://arxiv.org/pdf/1910.11476v6.pdf)

[23] Span-Level Model for Relation Extraction (https://aclanthology.org/P19-1525.pdf)

[24] Instance-Based Learning of Span Representations (https://aclanthology.org/2020.acl-main.575)

[25] SpERT：Span-based Joint Entity and Relation Extraction with Transformer Pre-training (https://arxiv.org/abs/1909.07755)

[26] https://medium.com/jasonwu0731/pre-finetuning-domain-adaptive-pre-training-of-language-models-db8fa9747668

[27] https://arxiv.org/pdf/2108.00801.pdf

[28] https://arxiv.org/pdf/1911.04474.pdf

[29] https://arxiv.org/pdf/2004.11795.pdf

[30] ZEN: Pre-training Chinese Text Encoder Enhanced by N-gram Representations (https://arxiv.org/abs/1911.00720)

[31] https://arxiv.org/pdf/2008.11869.pdf

[32] K-BERT: Enabling Language Representation with Knowledge Graph (https://arxiv.org/pdf/1909.07606.pdf)

[33] Learning Named Entity Tagger using Domain-Specific Dictionary (https://arxiv.org/abs/1809.03599)

[34] Better Modeling of Incomplete Annotations for Named Entity Recognition (https://aclanthology.org/N19-1079.pdf)

[35] https://arxiv.org/abs/1702.04457

[36] Training Named Entity Tagger from Imperfect Annotations (https://arxiv.org/abs/1909.01441)

[37] Distantly Supervised Named Entity Recognition using Positive-Unlabeled Learning (https://arxiv.org/abs/1906.01378)

[38] Empirical Analysis of Unlabeled Entity Problem in Named Entity Recognition (https://arxiv.org/pdf/2012.05426)

推荐阅读

13个你一定要知道的PyTorch特性

解读：为什么要做特征归一化/标准化？

一文搞懂 PyTorch 内部机制

张一鸣：每个逆袭的年轻人，都具备的底层能力

关于程序员大白

程序员大白是一群哈工大，东北大学，西湖大学和上海交通大学的硕士博士运营维护的号，大家乐于分享高质量文章，喜欢总结知识，欢迎关注[程序员大白]，大家一起学习进步！

NER综述 | 命名实体识别的过去和现在