基于小样本学习的藏文命名实体识别

摘要：

藏文命名实体识别是藏文自然语言处理领域的一项关键技术,其目的是识别文本中的人名、地名及组织机构名.在目前的研究中,深度学习方法需要大量的标注数据是制约模型性能的主要因素,因此本文提出基于小样本学习的藏文命名实体识别方法.针对小样本数据量少导致模型无法充分学习实体特征的问题,本文提出实体特征信息融合方法,在训练过程中将实体位置信息、分词信息与藏文音节信息以维度拼接的方式进行特征融合,通过辅助信息增强实体特征,使得模型可以较好地学习藏文长实体的边界信息,并设计消融实验探究不同特征信息对模型效果的影响.实验结果表明,本文提出的方法有效提高了藏文小样本命名实体识别模型的准确率,相较于基线实验F1值总体提升了22.22～38个百分点.

关键词：小样本学习、藏文、命名实体识别、实体特征信息融合

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划;西藏自治区科技创新基地自主研究项目;西藏大学研究生高水平人才培养计划项目

在线出版日期：2023-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：13-19