基于混合式迁移学习的命名实体识别算法

来源：计算机应用与软件杂志2024年第8期北京时间：

作者：余肖生, 张合欢, 陈鹏

摘要：针对命名实体识别领域中大量标注数据难于获取而带来的问题，提出基于混合式迁移学习的命名实体识别算法——MT-NER。利用样本之间的距离作为权衡样本相似性的标准，进行样本迁移以扩充目标域样本；利用模型迁移建立带有finetune的新命名实体识别网络结构，用扩充后的目标域数据集来训练网络。以医疗领域为例的实验结果分析表明，MT-NER算法在小样本数据中的实体识别效果最佳，精度达到93.31%，召回率达到89.5%，F1值达到0.931 7，与BiLSTM-CRF模型相比分别提升了6.33百分点、3.65百分点和0.089 1。

关键词：命名实体识别, 迁移学习, 双向LSTM-CRF, 分布自适应