基于检索增强的跨度表征模型（RASpan）提升地名识别的语义表征与性能

本文创新性地提出基于检索增强的跨度表征模型（RASpan），通过融合外部地理实体知识（GeoNames）与精准跨度表征技术，有效解决地名识别（Toponym Recognition）中语义模糊性、缩写变异等难题。模型采用检索式提示构建（prompt sequence）与地理实体预测任务，在GeoWebNews等三大数据集实现F1值94.28%-96.75%的SOTA性能，为地理信息检索（GIR）与应急响应提供新范式。

　　

Highlight

本研究首次将跨度分类（Span Classification）与检索增强（Retrieval Augmentation）结合应用于地名识别任务，通过RASpan模型实现：

1）基于GeoNames的地理实体检索器构建提示序列（prompt sequence）

2）专用跨度表征模块捕捉地名语义完整性

3）地理实体预测任务减少噪声干扰

Toponym Recognition

地名识别是地理解析（geoparsing）的基础任务，现有方法可分为三类：

• •

  规则驱动法：依赖预定义语言学规则与地名库（gazetteer），但泛化性差

• •

  机器学习法：采用CRF等模型，受限于特征工程

• •

  深度学习法：如BiLSTM-CRF、GzaPNE等CNN-LSTM混合架构显著提升性能

Problem Formulation

给定输入句子X=[x₁,...,x_n]，模型需识别所有地名实体E={e_i}_i=1^|E|，其中e_i=[x_bi^e,...,x_di^e]，b_i^e和d_i^e分别表示实体起止位置索引。

Method

RASpan框架包含两大组件：

1）地名检索器：从GeoNames提取相关地理实体作为先验知识

2）地名识别器：

• •

  使用BERT编码提示序列

• •

  枚举所有可能跨度进行表征分类

• •

  通过辅助任务强化地理实体语义学习

Experiments

在GeoWebNews（94.28% F1）、GeoVirus（96.75% F1）、LGL（93.34% F1）数据集上，RASpan较基线模型绝对提升2.45%-6.72%，尤其对缩写（如"Vt."→"Vermont"）和歧义（如"Washington"）案例表现优异。

Conclusion

RASpan通过跨度表征与检索增强的协同机制，为地名识别任务建立了新范式。未来将探索多模态地理知识（如地图数据）的融合应用。