10.11896/j.issn.1002-137X.2019.09.035
基于BGRU-CRF的中文命名实体识别方法
针对传统的命名实体识别方法存在严重依赖大量人工特征、领域知识和分词效果,以及未充分利用词序信息等问题,提出了一种基于双向门控循环单元(BGRU)神经网络结构的命名实体识别模型.该模型利用外部数据,通过在大型自动分词文本上预先训练词嵌入词典,将潜在词信息整合到基于字符的BGRU-CRF中,充分利用了潜在词的信息,提取了上下文的综合信息,并更加有效地避免了实体歧义.此外,利用注意力机制来分配BGRU网络结构中特定信息的权重,从句子中选择最相关的字符和单词,有效地获取了特定词语在文本中的长距离依赖关系,识别信息表达的分类,对命名实体进行识别.该模型明确地利用了词与词之间的序列信息,并且不受分词错误的影响.实验结果表明,与传统的序列标注模型以及神经网络模型相比,所提模型在数据集MSRA上实体识别的总体F 1值提高了3.08%,所提模型在数据集OntoNotes上的实体识别的总体F 1值提高了0.16%.
命名实体识别、双向门控循环单元、注意力机制
46
TP391(计算技术、计算机技术)
2019-10-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
237-242