【EMNLP2021】标签推理的细粒度实体识别

标题：Fine-grained Entity Typing via Label Reasoning 作者：Qing Liu, Hongyu Lin, Xinyan Xiao, Xianpei Han, Le Sun and Hua Wu 录用类型：长文

简介：大规模标签集合给超细粒度实体识别任务带来两个主要挑战：建模标签依存关系以及预测长尾标签。本文将传统的多标签分类问题转化为标签集合生成问题，并针对以上两个挑战提出了标签推理网络。该标签推理网络包含了两种标签推理机制：（1）基于序列到集合生成的标签演绎推理(Deductive Reasoning)。（2）基于二部属性图的标签归纳推理(Inductive Reasoning)。标签演绎推理机制使得模型能够自动学习和建模标签之间的显式依存关系，标签归纳推理机制使得模型能够自动学习和建模标签之间的隐式依存关系。两种推理机制相结合让模型能够不借助外部知识，端到端地学习标签依存关系并利用该依存关系进行标签预测，同时能够有效缓解长尾标签预测问题。

https://www.zhuanzhi.ai/paper/ae8b9c97fbcf289fb8890d33daaaa35f