来源：期刊VIP网 时间：
作者：张晗;张亚洲;徐秉智;张铖方;
单位：四川警察学院智能警务四川省重点实验室;郑州大学网络空间安全学院;
摘要：基于提示的微调学习为改善针对特定领域的命名实体识别(named entity recognition, NER)任务的性能提供了一个新的研究方向，但现有的提示学习方法面临需要人工构造模板、提示信息冗长、提示模板固定等问题。针对以上问题，提出了一种结合提示学习与专家知识的领域命名实体识别方法。首先，通过引入Bootstrapping算法自动识别潜在的实体，并改进了在获取相同上下文未标注实体类别过程中字符串匹配算法以获取更多提示信息模板。其次，引入领域本体中的专家知识来解决提示信息的可靠性问题。同时，采用一阶谓词的形式表示提示信息来改善提示信息长度。最后，通过在金融与信息安全两个数据集上的实验，验证了该方法能够有效提高领域命名实体识别的性能。
关键词：提示学习;;命名实体识别;;自然语言处理;;低资源
基金资助：智能警务四川省重点实验室开放课题(ZNJW2024KFQN005);; 河南省高等学校重点科研项目(24A520047);; 河南省重大科技专项(231100210200)
