中文领域命名实体识别综述

摘要：

命名实体识别(Named Entity Recognition,NER)作为自然语言处理领域经典的研究主题,是智能问答、知识图谱等任务的基础技术.领域命名实体识别(Domain Named Entity Recognition,DNER)是面向特定领域的NER方案.在深度学习技术的推动下,中文DNER取得了突破性进展.概括了中文DNER的研究框架,从领域数据源的确定、领域实体类型及规范制定、领域数据集的标注规范、中文DNER评估指标四个角度对国内外已有研究成果进行了综合评述;总结了目前常见的中文DNER的技术框架,介绍了基于词典和规则的模式匹配方法、统计机器学习方法、基于深度学习的方法、多方融合的深度学习方法,并重点分析了基于词向量表征和深度学习的中文DNER方法;讨论了中文DNER的典型应用场景,对未来发展方向进行了展望.

关键词：自然语言处理;中文领域命名实体识别;深度学习

所属期刊栏目：57

分类号：TP389.1(计算技术、计算机技术)

资助基金：公安部技术研究计划;国家高技术研究发展技术863计划;中国人民公安大学基本科研业务费项目

在线出版日期：2021-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：1-15