USTC-NELSLIP 在 SemEval-2023 任务 2 中的表现：针对多语言复杂 NER 的地名词典的统计构建和双重适应（英文版）

英文标题：USTC-NELSLIP at SemEval-2023 Task 2: Statistical Construction and Dual Adaptation of Gazetteer for Multilingual Complex NER中文摘要：本文提出了一种名为 SCDAG 的 SCDAG 方法用于多语言复杂命名实体识别，该方法首先使用基于统计的方法构建词表，然后通过最小化句子级别和实体级别之间 KL 散度的适应方式来适应词表网络和语言模型的表示，并将这两个网络集成用于监督命名实体识别的训练。实验结果和详细分析验证了所提出方法的有效性，并在任务中的一个路线（印地语）上排名第一。英文摘要：This paper describes the system developed by the USTC-NELSLIP team forSemEval-2023 Task 2 Multilingual Complex Named Entity Recognition (MultiCoNERII). A method named Statistical Construction