【ACL2020-复旦大学】FLAT：采用扁平化Transformer的中文NER，FLAT: Chinese NER Using Flat-Lattice Transformer

主题： FLAT: Chinese NER Using Flat-Lattice Transformer

摘要： 最近，通过结合单词信息，已证明字符-单词格结构对中文命名实体识别（NER）有效。 然而，由于晶格结构复杂且动态，因此大多数现有的基于晶格的模型难以充分利用GPU的并行计算，并且推理速度通常较低。 在本文中，我们提出了FLAT：中文NER的平面格子变压器，它将晶格结构转换为由跨度组成的平面结构。 每个跨度对应一个字符或潜在单词及其在原始格中的位置。 借助Transformer的功能和精心设计的位置编码，FLAT可以充分利用晶格信息，并具有出色的并行化能力。 在四个数据集上进行的实验表明，FLAT在性能和效率上均优于其他基于词典的模型。