研究背景

我们希望得到科学计量学的概念集合、计算机生成一篇论文的概念地图。为了这个目的，我们需要有一个识别出来科学学概念的方法，以及找到概念间联系并且确定连词的方法。找到联系和确定连词的问题，见概念抽取和概念关系挖掘。在这里，我们仅仅关注概念的识别。

前人研究

命名实体识别算法，可以用于从研究论文或者书籍中识别出来科学计量学概念。命名实体识别算法通常需要一个标注准确和完备的训练集。准确的意思就是，标记为概念的确实是概念。完备的意思是没有被标记为概念的确实不是概念。

只要在这个前提下，则有大量的现有算法都可以得到比较高的概念识别的准确率。

如果标注中，有漏标的，有标错的，还有不确定标注（本来就不太确定是否属于这个学科的概念的），那么，这个训练样本就可能会导致训练出来的模型的识别能力不够高。

于是，我们问，如何处理漏标、错标、不稳定标？

漏标意味着，某些备有被标注的词可以是概念，因此，不能把所有的未标注词当做非概念来训练模型，而是采用负采样，也就是随机获取一部分未标注词当做非概念^[1]^[2]。

↑ Li, Y., Liu, L., & Shi, S. (2021). Empirical Analysis of Unlabeled Entity Problem in Named Entity Recognition. ArXiv, abs/2012.05426.
↑ Li, Y., Liu, L., & Shi, S. (2021). Rethinking Negative Sampling for Unlabeled Entity Problem in Named Entity Recognition. ArXiv, abs/2108.11607.

本分类目前不含有任何页面或媒体文件。