直播预告 | SemEval 2023最佳论文：针对命名实体识别的统一检索增强方法

 报告介绍 

本论文为全球最大的语义评测大会SemEval 2023的最佳论文。为了解决多语言命名实体识别中的语义歧义和低上下文问题，现有方法普遍融合使用了知识库或白名单，但仍然存在知识不足、上下文长度有限、单一检索策略等问题。本文中，我们提出了一种统一的检索增强方法（U-RaNER）用于细粒度多语言 NER。为了增强检索上下文，我们结合多源异构知识库作为检索源，并探索了各种搜索策略，提高了检索知识的质量。另一方面，我们提出了知识注入方法高效利用检索信息，扩大模型的输入上下文规模。MultiCoNER II 评测吸引了60多只队伍参加，我们的方法在其中获得了 9 个赛道的冠军。

 嘉宾介绍 

黄申

阿里达摩院高级算法工程师

黄申，阿里达摩院高级算法工程师，北京大学计算语言所硕士毕业。主要研究方向为信息抽取和检索增强，曾在ACL、AAAI、ACMM、COLING等国际顶级会议上以一作、共一身份发表多篇文章，在SemEval 2023、NLPCC 2022信息抽取国际比赛摘取11个子赛道的冠军，并获得SemEval 2023最佳系统论文奖。