基于细粒度词表示的命名实体识别研究

被引：41

作者：

林广和 ^{[1
]}

张绍武 ^{[1
,2
]}

林鸿飞 ^{[1
]}

机构：

[1] 大连理工大学计算机科学与技术学院

[2] 新疆财经大学计算机科学与工程学院

来源：

中文信息学报 | 2018年 / 32卷 / 11期

关键词：

命名实体识别; 端到端模型; 字符级词表示模型; 注意力机制;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

120506 [数字人文];

摘要：

命名实体识别(NER)是自然语言处理中的一项基础任务,其性能的优劣极大地影响着关系抽取、语义角色标注等后续任务。传统的统计模型特征设计难度大、领域适应性差,一些神经网络模型则忽略了词本身所具有的形态学信息。针对上述问题,该文构建了一种基于细粒度词表示的端到端模型(Finger-BiLSTM-CRF)来进行命名实体识别任务。该文首先提出一种基于注意力机制的字符级词表示模型Finger来融合形态学信息和单词的字符信息,然后将Finger与BiLSTM-CRF模型联合进行实体识别,最终该方法以端到端、无任何特征工程的方式在CoNLL 2003数据集上取得了F1为91.09%的结果。实验表明,该文设计的Finger模型显著提升NER系统的召回率,从而使得模型的识别能力显著提升。

引用

页码：62 / 71+78 +78

页数：11