SCANNER: 基于知识增强的鲁棒多模态未见实体命名识别方法
原文中文，约500字，阅读约需2分钟。发表于：。最近的研究已经将命名实体识别推向较先进阶段，融入了视觉信号，以致产生了多模态命名实体识别（MNER）或基于图像的 MNER（GMNER）的多个变种。我们提出了 SCANNER（用于 NER 的 Span 候选检测和识别），一种能够有效处理这三种 NER 变体的模型。SCANNER...
最近的研究将命名实体识别推向较先进阶段，融入了视觉信号，产生了多模态命名实体识别（MNER）或基于图像的MNER（GMNER）的多个变种。提出了SCANNER，一种能够有效处理这三种NER变体的模型。SCANNER是一个两阶段结构，通过提取实体候选并获取知识来处理未知实体，提高性能。引入了自我蒸馏方法，提高模型在处理具有固有不确定性的训练数据时的鲁棒性和准确性。方法在NER基准测试中展示出有竞争力的性能，并在MNER和GMNER基准测试中超越了现有方法。
