FLAT：中文NER屠榜之作！

文 | JayLou娄杰编 | YY近年来，引入词汇信息逐渐成为提升中文NER指标的重要手段。ACL2020中一篇来自复旦大学邱锡鹏老师团队的 FLAT: Chinese NER Using Flat-Lattice Transformer 刷新了中文NER任务的新SOTA。如上图所示，在MSRA-NER任务中，FLAT+BERT登顶榜首；而单独的FLAT（1层TransFormer）也超越了预训练模型ERNIE。相比于之前引入词汇信息的中文NER工作，FLAT主要创新点在于：基于Transformer设计了一种巧妙position encoding来融合Lattice结构，可以无损的引入词汇信息。基于Transformer融合了词汇信息的动态结构，支持并行化计算，可以大幅提升推断速度。下面让我们看看FLAT是如何登顶榜首的～论文链接：https://arxiv.org/pdf/2004.11795.pdf开源代码：https://github.com/LeeSureman/Flat-Lattice-TransformerArxiv访问慢的小 ………………………………