شبكة الرسم البياني الثنائية المسطحة لاكتشاف الكيانات المسماة المتداخلة

في هذه الورقة، نقترح شبكة ثنائية الرسم البياني المسطحة (BiFlaG) جديدة لتحديد الكيانات المسمّاة المتداخلة (NER)، والتي تحتوي على وحدتين فرعيتين للرسم البياني: وحدة NER المسطحة للأجسام الخارجية وأخرى بيانية لكل الكيانات الموجودة في الطبقات الداخلية. يتم تبني LSTM الثنائي الاتجاه (BiLSTM) وشبكة التفاف الرسم البياني (GCN) لتعلم الأجسام المسطحة ومعتمداتها الداخلية بشكل مشترك. على عكس النماذج السابقة التي تأخذ بعين الاعتبار فقط نقل المعلومات من الطبقات الداخلية إلى الخارجية (أو العكس)، فإن نموذجنا يلتقط التفاعل ثنائي الاتجاه بينهما بكفاءة. نقوم أولاً باستخدام الكيانات المعترف بها بواسطة وحدة NER المسطحة لبناء رسم بياني للكيانات، والذي يتم تقديمه إلى الوحدة البيانية التالية. تمثيل أغنى يتم تعلمه من الوحدة البيانية يحمل معتمدات الكيانات الداخلية ويمكن استغلاله لتحسين توقعات الأجسام الخارجية. أظهرت نتائج التجارب على ثلاثة مجموعات بيانات قياسية لـ NER المتداخل أن شبكتنا BiFlaG تتفوق على النماذج الرائدة السابقة.请注意，这里的人名和机构名称没有出现，因此无需特别翻译。对于不常见的术语，如“bipartite flat-graph network”（二分平面图网络）和“nested named entity recognition”（嵌套命名实体识别），我在翻译时保留了英文原词以确保信息的完整性。