English(EN) Unsupervised Multidomain Approaches to Named Entity Recognition with Small Datasets

新研究探索了在数据有限的情况下进行命名实体识别的无监督方法

作者 PulseAugur 编辑部 · [2 个来源] · 2026-08-02 04:33

本文研究了在处理多个领域中小型或无标签数据集时的命名实体识别（NER）的无监督方法。它提出使用无监督预训练来识别实体而无需标注，然后在有限的数据集上进行迁移学习。该研究通过探索数据增强、少样本学习和域对抗训练等技术来解决域变化和数据稀疏性等挑战，以提高NER系统的性能和适应性。 AI

影响这项研究可能导致在标注数据有限的领域中，更高效、更具适应性的NLP应用。

排序理由该集群包含两篇相同的arXiv预印本，详细介绍了一篇关于NLP方法的论文。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.CL TIER_1 English(EN) · Israel Fianyi, James Montgomery, Soonja Yeom · 2026-08-04 04:00

Unsupervised Multidomain Approaches to Named Entity Recognition with Small Datasets

arXiv:2608.00984v1 Announce Type: new Abstract: This paper explores the challenges and the methodologies associated with learning quality representations in scenarios with unlabelled small or limited datasets for downstream information extraction task (Multidomain Named Entity Re…
arXiv cs.NE (Neural & Evolutionary) TIER_1 English(EN) · Soonja Yeom · 2026-08-02 04:33

Unsupervised Multidomain Approaches to Named Entity Recognition with Small Datasets

This paper explores the challenges and the methodologies associated with learning quality representations in scenarios with unlabelled small or limited datasets for downstream information extraction task (Multidomain Named Entity Recognition (NER). The study adopts a Transfer Lea…