论文：Delving Deep into Regularity: A Simple but Effective Method for Chinese Named Entity Recognition
论文链接：https://arxiv.org/abs/2204.05544
发表方：华为云，发表在NAACL 2022 Findings
现在很多基于填表方式的NER方法，在构造表中元素的时候，一般用的都是由相应span的head字和tail字的表征得到的，而本文在此基础上加入了从span中所有字的表征中抽取出来的特征，下面介绍一下具体怎么搞。
1. 论文出发点
中文没有天然的单词边界，所以中文的的NER比英文的还要难一些。这两年NER有一个很好的点子就是引入外部词典，显式的告诉模型哪些字的组合在中文中是一个词，从而给模型注入一些先验的字与字之间的关系，取得了很好的效果，比如Lattice LSTM、FLAT、LEBERT等。但这类方法都需要提供一个外部词典，外部词典的质量就尤为重要了。本文的想法就是「不依赖外部字典，让模型自己去学习实体内字与字之间的关联，以及实体之所以会是某一个类型的实体的规律」。为了实现这个想法， 本文提出了两个idea：
- 「探索实体内部的组成规律——“命名规律性”，用来增强实体的边界监测和类型预测。」
本文的作者们发现很多常规实体类型（LOC、ORG等）都有“「命名规律性」”，就是说「某个实体类型的mentions都有某种内部的构成模式，如果模型学习到了这种内部的构成结构，那么对于识别实体的边界以及预测实体的类型会有一定的帮助」。举个例子，比如以“公司”或者“银行”等词结尾的实体，一般就是ORG，再比如，图1中“尼日尔河流经尼日尔与尼日利亚”中就有一个规律，“XX+河”大部分情况下就是和地理位置相关的实体类型（LOC），虽然“流”字的右边是“经”也可以组成“流经”这个词，导致“流”字这里有边界模糊问题，但是如果模型可以学到“XX+河”这个命名规律，那么大概率还是会把"尼日尔河"作为一个实体识别出来的。
- 「利用上下文来缓解仅依赖命名规律性无法完全确定实体边界的问题」
有的时候仅依赖命名规律性，可能会造成一些冤假错案，这时候「可以通过上下文来缓解命名规律性对边界的决定性影响」，比如图1中“中国队员们在本次比赛中取得了优异成绩”中，XX+队是一个pattern的话，但实际上实体并不是“中国队”，这时候只利用命名规律性来判别实体边界和类型就会出问题，需要看上下文了。
可以看出，本文的方法是要在上两者之间取一个平衡。
2. RICON模型
本文提出的这个模型叫做「R」egularity-「I」nspired re「CO」gnition 「N」etwork (「RICON」)，采用是「填表」的方式进行标注，也就是搞一个word-word表，表中每一个元素表示相应的span是什么类型的实体。
RICON模型结构
如上图所示，模型主要有两个模块：
- 「Regularity-aware Module（规律感知模块）」：这个模块负责分析span内部的规律，进而获取结合了规律的span表征，然后用于实体类型的预测；
- 「Regularity-agnostic Module （规律判断模块）」：这个模块主要获取span上下文的表征，然后用于判断这个实体到底是不是一个实体。