DiffusionNER: 名詞認識のための境界拡散

本論文では、DiffusionNERを提案します。これは、固有名詞認識タスクを境界除燥拡散プロセスとして定式化し、ノイズのある区間から固有名詞を生成する手法です。学習段階では、DiffusionNERは固定された前向き拡散プロセスによりゴールデンエンティティの境界に徐々にノイズを加え、逆向きの拡散プロセスを学習してエンティティの境界を復元します。推論段階では、DiffusionNERがまず標準ガウシアン分布からいくつかのノイズのある区間を無作為にサンプリングし、学習した逆向きの拡散プロセスを使用してそれらのノイズ除去を行い、固有名詞を生成します。提案される境界除燥拡散プロセスは、段階的な精製と動的なエンティティサンプリングを可能とし、DiffusionNERに効率的かつ柔軟なエンティティ生成能力を与えます。複数のフラットおよびネストされた固有名詞認識データセットでの実験結果は、DiffusionNERが以前の最先端モデルと同等かそれ以上の性能を達成することを示しています。