常毅教授指导的2018级博士研究生杨志伟同学的论文"HiTRANS: A Hierarchical Transformer Network for Nested Named Entity Recognition" 被国际会议EMNLP 2021（清华推荐A类，CCF B类）接收为长文。本篇论文与香港浸会大学马晶助理教授合作完成。
会议简介：EMNLP（Conference on Empirical Methods in Natural Language Processing）是计算语言学和自然语言处理领域的顶级国际会议，由ACL SIGDAT（语言学数据特殊兴趣小组）主办，每年举办一次，Google Scholar计算语言学刊物指标中排名第二。EMNLP 2021将于2021年11月07日至11日在多米尼加共和国蓬塔卡纳及在线会议的形式同时举办。
会议类别：清华推荐A类，CCF B类会议
会议时间：7th–11th November 2021, Punta Cana, Dominican Republic.
第一作者：杨志伟
论文题目：HiTRANS: A Hierarchical Transformer Network for Nested Named Entity Recognition
论文概述：目前嵌套实体识别（NNER）任务主要包含嵌套实体边界检测和实体类别标注两个子任务。本研究通过探索信息抽取中不同实体之间的语义依赖关系，创新性提出了一种面向嵌套命名实体识别任务的HiTRANS网络，将复杂的NNER建模成多层的传统实体识别问题，既改善实体边界划分又极大降低了嵌套命名实体识别任务的复杂度。同时，利用Transformer中的多头注意力机制聚合上下文信息以增强不同层实体的表示学习。在此基础上，通过分层标注预测实体类别，有助于实体识别并缓解误差传播。实验结果表明，我们的方法在多个嵌套实体数据集上均取得了更好的性能，能够有效的解决嵌套实体识别问题，提供高质量的基础知识。
