使用基于Transformer的命名实体识别技术优化电子商务搜索查询

《Knowledge-Based Systems》：Improving E-commerce search queries using transformer-based named entity recognition

　　

Beyzanur Sara?lar|Mustafa Agaoglu

• •
  首次发布了针对土耳其电子商务查询的细粒度标注 Named Entity Recognition (NER) 数据集。
• •
  全面评估了基线模型、经过微调的 Transformer 以及零样本 Linguistic Model (LLM) 的性能。
• •
  消融研究凸显了上下文相关框架 (CRF) 层在捕捉序列约束方面的关键作用。
• •
  研究表明，黏着语法的形态特征增强了语义密度，从而提升了 NER 的性能。
• •
  研究发现，尽管 Transformer 能获得较高的 F1 分数，但 LLM 在面对噪声干扰时表现出更强的鲁棒性。