NER一直是NLP领域中的研究热点。近年来，深度学习方法在特征抽取深度和模型精度上表现优异，已经超过了传统方法，但无论是传统机器学习还是深度学习方法都依赖大量标注数据来训练模型。然而，在很多场景下，收集大量的有标签的数据是非常昂贵、困难、甚至不可能。因此在特定领域、小语种等缺乏标注资源的情况下，NER 任务往往得不到有效解决。为了解决然少量标注数据的命名实体识别。人们开始研究用迁移学习和半监督学习的方法来进行命名实体识别。本次学术报告主要介绍用迁移学习和半监督方法进行小样本命名实体识别。
小样本命名实体识别-林朝坤原创文章，作者：BFS，如若转载，请注明出处：https://www.isclab.org.cn/2021/05/30/%e5%b0%8f%e6%a0%b7%e6%9c%ac%e5%91%bd%e5%90%8d%e5%ae%9e%e4%bd%93%e8%af%86%e5%88%ab/