DiffusionNER: Named Entity Recognition을 위한 경계 확산

본 논문에서는 명명된 개체 인식(Named Entity Recognition, NER) 작업을 경계 노이즈 제거 확산 과정으로 정식화하여 노이즈가 포함된 범위에서 명명된 개체를 생성하는 DiffusionNER를 제안합니다. 학습 과정 중에 DiffusionNER는 고정된 전방향 확산 과정을 통해 금자기(golden) 개체 경계에 점진적으로 노이즈를 추가하고, 이 경계를 복원하기 위한 역방향 확산 과정을 학습합니다. 추론 시에는 DiffusionNER가 먼저 표준 가우시안 분포로부터 일부 노이즈가 포함된 범위를 무작위로 샘플링한 후, 학습된 역방향 확산 과정을 사용하여 이 범위의 노이즈를 제거하여 명명된 개체를 생성합니다. 제안된 경계 노이즈 제거 확산 과정은 단계적인 정교화와 동적 샘플링을 허용하여, DiffusionNER에게 효율적이고 유연한 개체 생성 능력을 부여합니다. 여러 평면 및 중첩 NER 데이터셋에 대한 실험 결과는 DiffusionNER가 기존 최신 모델들과 비교해 비등하거나 그보다 우수한 성능을 달성함을 보여줍니다.