基于局部对抗训练的命名实体识别方法研究

• 作者: 李静 程芃森 许丽丹 刘嘉勇
• 来源期刊: 四川大学学报（自然科学版）
• 关键词: 命名实体识别 对抗训练 困难样本 目标攻击
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 电子信息科学|Electronics and Information Science
• 页码范围: 107-114
• 页数: 8页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.19907/j.0490-6756.2021.023003

摘要

命名实体识别研究中,数据集内普遍存在实体与非实体,实体内部类别间边界样本混淆的问题,极大地影响了命名实体识别方法的性能 .提出以BiLSTM-CRF为基线模型,结合困难样本筛选与目标攻击对抗训练的命名实体识别方法 .该方法筛选出包含大量边界样本的困难样本,利用边界样本易被扰动偏离正确类别的特性,采用按照混淆矩阵错误概率分布的目标攻击方法,生成对抗样本用于对抗训练,增强模型对混淆边界样本的识别能力 .为验证该方法的优越性,设计非目标攻击方式的全局、局部对抗训练方法与目标攻击全局对抗训练方法作为对比实验.实验结果表明,该方法提高了对抗样本质量,保留了对抗训练的优势,在JNLPBA 、M alw areTex tDB 、Drugbank三个数据集上F1值分别提升1 .34%、6 .03%、3 .65% .