用于嵌套命名实体识别的边界感知邻域交互

基于摘要分析。该研究面向嵌套命名实体识别：候选文本跨度可能共享大部分词元，却因边界不同而对应不同实体。作者提出 Boundary-Aware Neighborhood Interaction（BANI），通过依赖当前跨度内容的邻域聚合与跨区域语义传播，辅助区分这些相近候选。 核心机制包括两个模块。Center-Conditioned Inter-Span Aggregation（CCIA）以中心跨度作为查询，聚合邻近候选，并通过二维状态空间扫描更新聚合结果；其针对的问题是，二维跨度表示虽然编码了候选间的空间关系，但局部聚合未必能依据当前跨度内容为不同邻居分配不同权重。Long-Range Semantic Propagation（LRSP）则从独立特征分支跨区域传播信息，为局部判断提供上下文。摘要未给出具体权重计算、扫描路径、损失函数或两模块的融合细节。 作者报告，BANI 在五个英文和中文嵌套 NER 数据集及两个平坦 NER 数据集上取得具有竞争力的结果。摘要未列出数据集名称、划分、评价指标、数值及对照基线，因此不能据此判断优势幅度或不同设置下的稳定性；实验协议、消融及统计信息尚未验证。 该工作的直接研究对象是文本实体跨度，而非 EEG 或 BCI。其候选跨度结构与神经信号任务之间的具体对应关系尚未建立，不能将文本任务结果视为 BCI 有效性的证据；已有 EEG 相关工作尚未检索确认。