弱监督下的少于单次投射：命名实体识别
原文中文，约400字，阅读约需1分钟。发表于：。我们研究了在极弱监督条件下的命名实体识别（NER）问题，提出了一种名为 X-NER 的新方法，可以胜过现有的一次性 NER 方法，具有跨语言能力。
该论文提出了一种基于 transformer 的方法，用于解决生物医学领域中监督命名实体识别（NER）的挑战，包括零样本和少样本 NER。该方法在更多数据集和医学实体上预训练，具有识别有限样本中的新实体的能力。对于零样本 NER，平均 F1 得分为 35.44％，对于 10 样本和 100 样本 NER，平均 F1 得分分别为 69.94％和 79.51％。该方法可与目前的先进零样本和少样本 NER 方法相媲美甚至更好。
