基于GRU的命名实体识别方法

被引：9

作者：

王洁 ^{[1
]}

张瑞东 ^{[1
]}

吴晨生 ^{[2
]}

机构：

[1] 北京工业大学信息学部

[2] 北京市科学技术情报研究所

来源：

计算机系统应用 | 2018年 / 27卷 / 09期

关键词：

命名实体识别; 循环神经网络; GRU; 会议名称识别;

D O I：

10.15888/j.cnki.csa.006552

中图分类号：

TP391.1 [文字信息处理]; TP183 [人工神经网络与计算];

学科分类号：

摘要：

命名实体识别是自然语言处理中的一项基础任务,传统的识别方法往往需要外部知识和人工筛选特征,需要较高的人力成本和时间成本;针对传统方法的局限性,提出一种基于GRU(Gated Recurrent Unit)的命名实体识别模型,该模型以字向量作为输入单位,通过双向GRU层提取特征,并通过输出层得到标签序列.在传统命名实体和会议名称这种特定领域命名实体上对该模型进行了测试.实验结果表明,本文设计的循环神经网络模型能有效的识别命名实体,省去了人工设计特征的繁琐工作,提供了一种端到端的识别方法.

引用

页码：18 / 24

页数：7

共 11 条

[1] 开放域命名实体识别及其层次化类别获取.[D].付瑞吉.哈尔滨工业大学.2014, 01
[2] Dropout: a simple way to prevent neural networks from overfitting..[J].Nitish Srivastava;Geoffrey E. Hinton;Alex Krizhevsky;Ilya Sutskever;Ruslan Salakhutdinov.Journal of Machine Learning Research.2014, 1
[3] Named Entity Recognition: Fallacies, challenges and opportunities
Marrero, Monica
Urbano, Julian
Sanchez-Cuadrado, Sonia
Morato, Jorge
Miguel Gomez-Berbis, Juan
[J]. COMPUTER STANDARDS & INTERFACES, 2013, 35 (05) : 482 - 489
[4] Learning multilingual named entity recognition from Wikipedia.[J].Joel Nothman;Nicky Ringland;Will Radford;Tara Murphy;James R. Curran.Artificial Intelligence.2013,
[5] Learning Deep Architectures for AI
Bengio, Yoshua
[J]. FOUNDATIONS AND TRENDS IN MACHINE LEARNING, 2009, 2 (01): : 1 - 127
[6] A survey of named entity recognition and classification
Nadeau, David
Sekine, Satoshi
[J]. LINGUISTICAE INVESTIGATIONES, 2007, 30 (01): : 3 - 26
[7] Long short-term memory
Hochreiter, S
Schmidhuber, J
[J]. NEURAL COMPUTATION, 1997, 9 (08) : 1735 - 1780
[8] 基于深度学习的中文微博命名实体识别.[J].刘玉娇;琚生根;李若晨;金玉;.四川大学学报(工程科学版).2016, S2
[9] 电子病历命名实体识别和实体关系抽取研究综述
杨锦锋
于秋滨
关毅
蒋志鹏
[J]. 自动化学报, 2014, 40 (08) : 1537 - 1562
[10] 中文微博命名实体识别
邱泉清
苗夺谦
张志飞
[J]. 计算机科学, 2013, 40 (06) : 196 - 198

← 1 2 →