本研究提出了TriG-NER框架，旨在解决不连续命名实体识别中的实体分散问题。通过三元组损失提高实体边界检测的准确性，实验结果表明其优于现有模型。

本文介绍了一种用于学习足球运动员再识别的神经网络架构，包括双流网络和双线性池化层。通过双线性映射生成身体部位地图的局部特征，无需注释身体部位，通过训练整个网络最小化三元组损失来提高模型效果。实验证明该模型的有效性。