论文
DE-NER：通过 大语言模型 的对话启发进行零样本命名实体识别
DE-NER : Zero-shot Named Entity Recognition via Dialogue Elicitation of Large Language Models
摘要
零样本命名实体识别 (NER) 的最新进展通过将序列标记制定到问答中来建立强大的基线，其中可以自然地采用 大语言模型 (LLM)。然而，现有的基于 LLM 的零样本 NER 方法受到提示和演示工程的限制。为了以最少的人为干预来解决这些问题，我们引入了 DE-NER，这是一个对话启发框架，它可以引发 LLM 的聊天能力，以完全提取 LLM 中编码的知识。我们的实验表明，所提出的方法在多个基准测试中的零样本设置中优于竞争基线，平均提高了 3.75% F1 点。代码发布于 https://github.com/kkkenshi/DE-NER。