基于 Deep Belief Nets 方法的中文名实体分类研究

• 作者: 赵铁军 郑德权 陈宇
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 名实体分类 神经网络 DBN 字特征
• 年，卷（期）: 2014,（2）
• 页码范围: 29-31,35
• 页数: 4页
• 分类号: TP391
• 字数: 3628字
• 语种: 中文

摘要

DBN是一种快速全局最优的神经网络分类方法，包含数层无监督学习网络和一层有监督学习网络。本文验证了DBN方法很好地适用于中文名实体分类任务。首先，采用多层RBM方法无监督地从字特征向量提取结构信息，得到更具有表征能力的特征；然后，利用BP方法微调网络参数并对提取后的特征向量进行分类，以此构成分类器进行名实体分类。通过对 ACE 04的中文名实体进行的分类测试，准确率达到91．45％，明显高于支持向量机和反向传播神经网络等传统分类算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵铁军	哈尔滨工业大学计算机科学与技术学院	123	1278	19.0	32.0
2	郑德权	哈尔滨工业大学计算机科学与技术学院	31	356	9.0	18.0
3	陈宇	哈尔滨工业大学计算机科学与技术学院	35	363	10.0	18.0