文章标题
Fine-Grained Entity Recognition细粒度实体识别
Summary
概述文章的内容，用自己的语言描述
本文提出了FIGER数据集，并且提出了一种自适应感知器方法对实体进行多标签分类，通过使用其他模型验证了该数据集的可行性。
Research Objective
作者的研究目标
为了智能的理解文本并提取广泛的信息，本文定义了一个由112个标签组成的细粒度集合，将标签问题描述为多级、多标签分类，描述了一种无监督的收集训练数据，并通过FIGER数据集展现。任务：从自然语言句子中发现实体的类型信息，并对每个提及的实体匹配对应的实体类型。
Problem Statement
问题陈述，需要解决的问题是什么
之前的大多ER研究只关注在有限的类型上：MUC-7（1997）包括：人、地点和组织；CONLL03 增加了Other类型；ACE 引入了地缘政治实体、武器、车辆和设施；Ontonotes（2006）将其分为18类；BBN 29（2005）中答案类型。提出了细粒度标签的数据集FIGER
Method
作者解决问题的方法/算法
如下图是整个系统的概览图，整个过程是流水线的方式：
给一个Plain Text（纯文本）作为输入
首先对句子进行分段，然后找到候选实体进行标记
其次，应用Classifier for entiy tagging 分类器应用于识别的片段，并输出其标签。
传统的NER系统最整个任务使用序列模型，通常使用 linear-chain COnditional Random Field（CRF）。在序列模型中，每个标记都有一个相应的隐藏变量，指示其类型标签，隐藏变量的状态空间与类型集的大小呈线性关系。如果允许一个片段有多个标签，则状态空间呈指数级增长。流水线模型则避免了这个问题。
作者首先提出了三个挑战，并分别提出了相应的解决办法
挑战：
selection of the tag set 标签集的选择
creation of training data 训练数据的创建
development of a fast and accurate multi-class labeling algorithm 快速准确的多级标签算法的开发
解决方案：
通过基于Freebase 类型管理一组112个独特的标签
Freebase的优点：
1) 更广泛覆盖了世界上的实体
2) 允许一个实体承载多个重叠类型
使用远程监督（distant supervision）自动标注数据，利用Wikipedia文本中的锚定链接，用适当的标签自动标记实体段。通过启发式的方法删除了费句子，例如对句子中的逗号和分号进行阈值化
使用启发式标记的训练数据训练一个CRF模型进行分割（识别提到实体的文本边界），使用线性链式CRF模型来分割具有三个标准隐藏状态，即“B”、“i”和“O”。这些状态分别表示提及的开始令牌、提及的非开始令牌和未提及的令牌。以“B”作为起始标记的连续标记的最大序列，如果有，后面的标记是“I”，则被视为实体提及/段。使用一种自适应感知器算法来解决这个多标签分类问题
应用了一个经典的线性分类器 感知器的形式是：
y ̂ ： 预测的标签
f（x, y）: 提及的x向量
w : 模型向量的权重
Evaluation
作者如何评估自己的方法，实验的setup是什么样的，有没有问题或者可以借鉴的地方。
作者为了评估FIGER，考虑了两个问题
问题
how accurately can it assign tags 如何精确的分类标签
do the fine-grained tags matter 细粒度的标记是否重要
解决方案
与Stanford’s coarse-grained NER system[1] 和Illinois’ Named-Entity Linking system[2]进行了对比
使用了做好的关系抽取系统MultiR[3],接受每个FIGER预测的类型作为每个潜在关系的参数的特征
[1] "Finkel,J.;Grenager,T.;andManning,C.2005.Incorporat-ingnon-localinformationintoinformationextractionsys-temsbygibbssampling.InProceedingsofACL,363–370.AssociationforComputationalLinguistics.Fleischman"
[2] "Ratinov,L.;Roth,D.;Downey,D.;andAnderson,M.2011.Localandglobalalgorithmsfordisambiguationtowikipedia.InProc.ofACL.Riedel"
[3]: "Hoffmann, R.; Zhang, C.; Ling, X.; Zettlemoyer, L.; and Weld, D. S. 2011. Knowledge-based weak supervision for information extraction of overlapping relations. In ACL."
Conclusion
作者给了哪些结论，哪些是strong conclusions, 哪些又是weak的conclusions?
贡献
介绍了一组从Freebase派生的实体类型集，这些实体类型对于人类理解和其他NLP任务有用
描述了FIGER，一个细粒度的实体识别数据集，他标识自然语言文本中实体的引用，并用适当的标记对其进行标记
将FIGER与两个最先进的模型进行了比较，结果表明：（1）FIGER具有很好的整体准确度，在处理不常见实体时优于其它方法（2）当作为特征使用时，细粒度标记可以显著提高F1中关系提取性能
将FIGER的实现和它的数据作为开放源码提供给研究人员使用和使用。
未来方向
对标签相关性进行建模，以避免预测不太可能的组合。
减少来自远程监督的噪音
Notes
额外的笔记
1. 实体识别定义
Entity Recognition（ER）is a type of information extraction that seeks to identify regions of text（mentions）corresponding to entities and to categorize them into a predefined list of types.实体识别（ER）是一种信息抽取类型，目的是识别与实体相对应的文本（提及）区域，并将其分类到预定义的类型列表中。
2.词汇
adapted perceptron 自适应感知器empirically 经验为主地
网友评论