基于大规模标签解释学习的少样本命名实体识别
原文中文，约400字，阅读约需1分钟。发表于：。利用自然语言描述学习实体类型解释，通过大规模扩展实体类型和描述，可以显著提高零样本和少样本命名实体识别。
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。
