组里硕士生邱圣洁再传佳绩。他的论文《Dual-debiasing Network for Continual Named Entity Recognition》近日被人工智能领域知名期刊《Information Sciences》（SCI 一区）正式录用并在线发表。这是圣洁同学在研究生阶段，继ACL会议发表文章后的第二篇学术成果，为其即将到来的毕业答辩增添了一份有力的背书。
论文题目：Dual-debiasing Network for Continual Named Entity Recognition
作者：Shengjie Qiu, Junhao Zheng, Zhenyuan Ma, Jianming Lv, Qianli Ma*
论文简介：持续命名实体识别（Continual Named Entity Recognition, CNER）旨在增量地学习新的实体类型，同时保持对已学实体类型的识别能力。现有方法主要聚焦于维持旧实体类型的决策边界，但这往往导致新旧类别之间边界模糊，进而表现为'近因偏差'（recency bias）——模型对最近一个任务中的实体类型产生不成比例的偏好。为应对这一挑战，我们提出了一种新颖的框架——双重去偏网络（Dual-Debiasing Network, DDN），从模型与分类器两个层面同时进行去偏。在模型层面，我们引入一种原型增强（prototype augmentation）策略，利用类别均值与协方差刻画类别分布，以稳定并保持旧实体类型的决策边界；在分类器层面，我们观察到新实体类型的权重范数显著高于旧实体类型，因而采用权重对齐（weight alignment）来校正这一差异，确保新旧类别之间的竞争更加均衡。在三个基准数据集上的大量实验表明，DDN 始终优于当前最先进的方法，并能有效缓解近因偏差的影响。
文章链接：https://www.sciencedirect.com/science/article/abs/pii/S0020025526005694