4月7日，自然語言處理領域國際頂級學術會議NAACL 2022（The North American Chapter of the Association for Computational Linguistics）公布論文入選名單，由華為云語音語義創(chuàng)新Lab多名研究者撰寫的信息抽取論文《Delving Deep into Regularity： A Simple but Effective Method for Chinese Named Entity Recognition》被NAACL 2022 Findings接收，這代表著中文命名實體識別的最優(yōu)結果 （SOTA） 被進一步刷新，更準確有效的實體識別將推動下游自然語言處理任務的進一步發(fā)展。

NAACL由國際計算語言學學會（ACL）主辦，與ACL、EMNLP并稱NLP領域的三大頂會，是人工智能的重要研究陣地。NAACL的錄用十分嚴格，根據往年評選結果，只有不到30％的論文被接收。

作為自然語言處理中最經典、最基礎的任務，命名實體識別一直受到廣泛的關注與研究。近年來，中文命名實體識別任務上取得了明顯進展，很多新的方法和框架被陸續(xù)提出，但往往忽略了實體詞的內部組成。

對于中文命名實體而言，很多類別的實體都具有很強的命名規(guī)律性。比如說，以“公司”或者“銀行”結尾的實體詞，通常屬于組織機構這一實體類別。因此，在《Delving Deep into Regularity： A Simple but Effective Method for Chinese Named Entity Recognition》中，華為云語音語義創(chuàng)新Lab的研究者提出用簡單有效、規(guī)律性引導的識別網絡來探究中文實體詞中的規(guī)律性。

圖1 規(guī)律性引導的識別網絡

如圖1，華為云研究者首先利用注意力機制顯著地提取每個文本段的規(guī)律性，進而將這種表征文本內部的規(guī)律性的特征和通過Biaffine Attention提取的文本段特征結合起來，進行后續(xù)的實體識別。為了避免由于過度關注實體內部規(guī)律性導致的實體邊界識別偏差，研究者們另外設計了一個與規(guī)則無關的模塊來幫助模型更準確地識別實體的邊界。

圖2 中文數據集上的實驗結果

華為云研究者提出的規(guī)律性引導的識別網絡，如圖2，在MSRA， Ontonotes4.0， 和Ontonotes5.0三個大規(guī)模中文實體識別數據集上都取得了SOTA的結果。同時，本文提出的方法不依賴于外部詞典信息，并且F1值超過了目前所有使用詞典信息的方法的結果。這充分說明通過研究實體詞的內部規(guī)律性，研究者們提出了一個非常有效的網絡結構。

不止在信息抽取方面，華為云語音語義創(chuàng)新Lab秉承開放創(chuàng)新、勇于探索、持續(xù)突破關鍵技術的精神，面向行業(yè)客戶提供領先的語音語義AI能力，結合大量行業(yè)知識，推出知識計算等行業(yè)解決方案，打造業(yè)界一流的知識計算競爭力。截至目前，已在政務、金融、石油等多個行業(yè)進行了落地和實踐，幫助客戶實現(xiàn)AI落地與智能升級。