NER论文笔记2-ACL2021_improving named entity recognition by external con

FEW-NERD: A Few-shot Named Entity Recognition Dataset

论文背景：小样本（few-shot）NER指基于少量标注信息的NER任务，由于许多领域的实体识别需要大量专业知识，从而难以人工标记，所以诞生了小样本NER，以图学习未标注的实体

小样本NER任务很少有公开的标准数据集

此前的方法是收集现有的受监督NER数据集，再将其重新投放到小样本环境中进行实证研究，但这些数据往往都是粗粒度的实体类型，而在实践中，大多数看不见的实体类型都是细粒度的，不能很好满足训练要求

论文贡献：建立了一个大规模人工标注的小样本NER数据集，包含8个粗粒度，66个细粒度实体类型，共188238句话，4601160个单词（均带有粗、细粒度标签）

是首个few-shot NER数据集，也是目前最大的人工NER数据集

数据集构建：N-way K-shot 采样策略，目的是采样类标签，每一类不少于个样本

数据标注采用人工标注

Locate and Label: A Two-stage