核心概念
本稿では、名称エンティティ認識と関係分類の最新の深層学習モデルをサーベイし、特に少量学習の性能に焦点を当てる。
要約
本稿は、名称エンティティ認識(NER)と関係分類(RC)の最新の深層学習モデルをサーベイしている。特に、少量学習の性能に焦点を当てている。
NERモデルについては以下の点が明らかになった:
- エンティティの境界問題に対処する必要がある。部分一致を正解とみなすのは信頼できない評価である。
- 言語モデルのプロンプトチューニングの進歩を活用し、新しい最先端のアーキテクチャを構築することで、スコアを向上できる。現在のモデルは複雑なモデル設計に焦点を当てているか、単語表現の向上に焦点を当てている。
RCタスクについては以下の点が明らかになった:
- 少量学習の枠組みで、文レベルやドキュメントレベルの成果を目指すべきである。これはより現実的なシナリオを反映する。
- そのようなタイプの評価に使用できるデータセットが不足している。
- 言語モデルへの依存を支援するために、言語的特徴と依存構造情報を組み合わせる取り組みが必要である。
統計
名称エンティティ認識タスクでは、モデルの性能を向上させるためには、エンティティの境界問題に対処する必要がある。
関係分類タスクでは、少量学習の枠組みで、文レベルやドキュメントレベルの成果を目指すべきである。