Apprentissage par transfert et caractéristiques au niveau des phrases pour la reconnaissance d'entités nommées sur les tweets

Nous présentons notre système pour le défi de reconnaissance d'entités nommées WNUT 2017 sur des données Twitter. Nous décrivons deux améliorations apportées à une architecture de réseau neuronal de base pour la tâche d'étiquetage de séquences. Premièrement, nous montrons comment exploiter des données étiquetées supplémentaires, dont les étiquettes d'entités nommées diffèrent de celles de la tâche cible. Ensuite, nous proposons une méthode pour intégrer des caractéristiques au niveau de la phrase. Notre système combine les deux approches et obtient la deuxième place pour les annotations au niveau des entités, avec un score F1 de 40,78, ainsi que la deuxième place pour les annotations de formes superficielles, atteignant un score F1 de 39,33.