VERT: 微软亚洲研究院知识计算团队的实体识别与消歧工具包

VERT 项目简介

VERT (Versatile Entity Recognition & disambiguation Toolkit) 是由微软亚洲研究院(MSRA)知识计算团队开发的多功能实体识别与消歧工具包。该项目旨在推动实体识别、实体链接等自然语言处理任务的前沿研究，并将最新的研究成果应用于实际场景。

VERT 项目汇集了MSRA知识计算团队在实体识别、实体链接、知识库问答等方向的多项研究工作。通过开源代码和数据集，VERT 为学术界和工业界提供了宝贵的研究资源，促进了相关领域的技术进步。

VERT 项目的主要特点

VERT 项目具有以下几个主要特点：

1. 多语言支持: VERT 支持多种语言的实体识别和链接任务，包括英语、中文等。
2. 先进的算法: 项目采用了最新的深度学习算法，如注意力机制、图神经网络等。
3. 丰富的工具: 除了核心的实体识别和链接功能，VERT 还提供了文本归一化、时间表达式识别等辅助工具。
4. 开源共享: VERT 项目在 GitHub 上开源，鼓励学术界和工业界的合作与交流。
5. 持续更新: 团队定期发布新的研究成果和改进版本，保持项目的活力。

最新研究进展

VERT 项目一直保持着活跃的研究状态。以下是一些最新的研究进展：

1. 多级知识蒸馏用于文本异常检测

2023年5月，团队在ACL'23会议上发表了题为《Multi-Level Knowledge Distillation for Out-of-Distribution Detection in Text》的论文。该研究提出了一种新的多级知识蒸馏方法，用于提高文本异常检测的性能。

2. 跨语言命名实体识别的协作标签去噪框架

同样在ACL'23会议上，团队发表了《ColaDa: A Collaborative Label Denoising Framework for Cross-lingual Named Entity Recognition》论文。这项工作提出了一种协作标签去噪框架，用于改善跨语言命名实体识别的效果。

3. 基于表格对齐的混合问答模型

在ACL'23的Findings论文中，团队提出了TACR (Table-alignment-based Cell-selection and Reasoning Model)，这是一种用于混合问答任务的新模型。

开源项目: Recognizers-Text

VERT 项目的一个重要组成部分是 Recognizers-Text 开源库。该库提供了对数字、单位、日期/时间以及序列（如电话号码、URL）的识别和规范化/解析功能，支持多种语言。

Recognizers-Text 在NuGet、npm和PyPI等平台上的下载量持续增长：

• 2023年9月：突破900万次下载
• 2022年8月：突破500万次下载
• 2022年3月：突破400万次下载
• 2021年7月：突破300万次下载

这些数据充分说明了 Recognizers-Text 在开发者社区中的广泛应用和良好口碑。

知识库问答系统: Tiara

2022年5月，VERT 团队推出了新一代知识库问答(KBQA)系统 Tiara (ReTraCk v2)。在 Generalizable Question Answering (GrailQA) 评估中，Tiara 在总体表现、组合泛化能力和零样本学习等多个类别中均获得了第一名的成绩。

Tiara 系统的优异表现，体现了VERT团队在知识库问答领域的深厚积累和持续创新能力。

语义表格解释系统: LinkingPark

LinkingPark 是VERT项目开发的自动语义表格解释系统。该系统在2020年SemTab挑战赛（表格数据到知识图谱匹配的语义网挑战赛）中获得了第二名的优异成绩。

2022年4月，团队发布了 LinkingPark 系统的最新版本，在性能、稳定性、灵活性等方面都有显著提升。LinkingPark 的开源代码已经在GitHub上公开，欢迎学术界和工业界的贡献与合作。

结语

VERT项目展现了微软亚洲研究院知识计算团队在实体识别、实体链接、知识库问答等自然语言处理领域的深厚积累和持续创新能力。通过开源共享、学术交流等方式，VERT为推动相关技术的进步做出了重要贡献。

未来，VERT团队将继续致力于实体识别与消歧技术的研究与应用，为自然语言处理领域带来更多突破性的成果。

如果您对VERT项目感兴趣，欢迎访问其 GitHub 仓库，了解更多详细信息并参与贡献。同时，VERT团队也在招募研究实习生和全职员工，欢迎有志之士加入这个充满活力的研究团队，共同推动自然语言处理技术的发展。