摘要
本文提出了一种名为Pyramid的新型分层模型，用于嵌套命名实体识别（Nested NER）。在该方法中，词元或文本区域的嵌入表示从底层到顶层，以金字塔结构逐层递归输入L个扁平的NER层。每当嵌入经过金字塔的一层时，其序列长度减少1。在第l层的隐藏状态表示输入文本中的一个l-gram，仅当其对应的文本区域构成一个完整的实体提及（entity mention）时，才会被赋予标签。此外，我们还设计了一个反向金字塔结构，以实现层间的双向交互。所提出的模型在ACE-2004、ACE-2005、GENIA和NNE数据集上的嵌套命名实体识别任务中均取得了当前最优的F1分数：使用传统嵌入时分别为80.27、79.42、77.78和93.70；使用预训练的上下文感知嵌入时则分别提升至87.74、86.34、79.31和94.68。此外，该模型还可推广至更一般的重叠命名实体识别（Overlapping Named Entity Recognition）任务。初步实验结果验证了该方法在重叠命名实体识别任务中的有效性。