少样本实体识别的混合多阶段解码方法与实体感知对比学习
原文中文，约400字，阅读约需1分钟。发表于：。我们提出了混合多阶段解码的少样本命名实体识别方法，通过实体跨度检测和实体分类的两个阶段，结合对比学习模块以增强实体表示，实现了在少样本情况下识别新类型命名实体的能力。
本论文提出了一种基于transformer的方法来解决生物医学领域中的NER挑战，包括零样本和少样本NER。实验结果表明，该方法具有识别有限样本中的新实体的能力，对于零样本NER的平均F1得分达到35.44％，对于10样本和100样本NER的平均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。
