Zur Verbesserung der neuronalen benannten Entitätserkennung mit Hilfe von Gazetteers

Die meisten kürzlich vorgeschlagenen neuronalen Modelle für die Erkennung benannter Entitäten sind rein datengetrieben und legen großen Wert darauf, den Aufwand für die Beschaffung externer Ressourcen oder die Gestaltung handgezeichneter Merkmale zu vermeiden. Dies kann jedoch die Gefahr einer Überanpassung erhöhen, da die Modelle keinen Zugriff auf zusätzliche Supervisionsignale außerhalb der begrenzten Menge an annotierten Daten haben und somit ihre Fähigkeit zur Generalisierung über die annotierten Entitäten hinaus einschränken. In dieser Arbeit zeigen wir, dass die sorgfältige Nutzung externer Gazeteen die Leistung segmentaler neuronaler NER-Modelle verbessern kann. Wir integrieren ein einfaches Modul in die kürzlich vorgeschlagene hybride semi-Markov-CRF-Architektur und beobachten vielversprechende Ergebnisse.