本論文では、複数粒度の固有表現認識（Multi-Grained Named Entity Recognition, MGNER）のための新しいフレームワークを提案します。MGNERは、文内の複数のエンティティやエンティティ参照が非重複または完全にネストされた場合でも対応可能です。従来のアプローチとは異なり、MGNERはNERを連続的なラベリングタスクとして捉えず、エンティティを連続的に注釈するのではなく、複数の粒度でエンティティを検出および認識します。具体的には、すべての可能な単語セグメントを調査するDetectorと、エンティティを分類するClassifierから構成されています。さらに、フレームワーク全体で文脈情報と自己注意機構（self-attention mechanism）が利用され、NERの性能向上に寄与しています。実験結果によると、MGNERはネストされた/非重複なNERタスクにおいてF1スコアで現行の最先端ベースラインを最大4.4%上回ることが示されました。