この目的のために、我々は、入力が未知のノイズ処理を受ける可能性があるノイズの多いシーケンスラベリング問題を定式化し、摂動された入力に対して実行されるシーケンスラベリングのロバスト性を向上させる2つのNoise-Aware Training (NAT)目標を提案する。我々のデータ増強法では、クリーンサンプルとノイズサンプルの混合物を用いてニューラルモデルを訓練し、安定性訓練アルゴリズムでは、モデルがノイズに不変な潜在表現を作成するように促す。学習時には、バニラノイズモデルを使用します。

評価には、元のデータと、実際のOCRエラーやスペルミスを修正したデータの両方を使用する。英語とドイツ語の名前付き実体認識ベンチマークでの広範な実験により、NATが一般的なシーケンスラベリングモデルのロバスト性を一貫して向上させ、元の入力の精度を維持することを確認した。我々のコードとデータは研究コミュニティに公開されている。