基于深度信念网络的命名实体识别

• 作者: 冯蕴天 张宏军 郝文宁 陈刚
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 深度信念网络 命名实体识别 神经网络语言模型
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 224-230
• 页数: 7页
• 分类号: TP391
• 字数: 8936字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.4.046

摘要

传统的命名实体识别方法是将大量手工制定的特征输入到统计学习模型中以实现对词语的标记,能够取得较好的效果,但其手工特征制定的方式增加了模型建立的难度.为了减轻传统方法中手工特征制定的工作量,首先对神经网络语言模型进行无监督训练以得到词语特征的分布式表示,然后将分布式的特征输入到深度信念网络中以发现词语的深层特征,最后进行命名实体识别.该方法在前人研究的基础上利用深度信念网络对神经网络语言模型进行了扩展,提出了一种可用于命名实体识别的深层架构.实验表明,在仅使用词特征和词性特征的条件下,该方法用于命名实体识别的性能略优于基于条件随机场模型的方法,具有一定的使用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝文宁	解放军理工大学指挥信息系统学院	64	544	13.0	20.0
2	张宏军	解放军理工大学指挥信息系统学院	106	566	12.0	18.0
3	陈刚	解放军理工大学指挥信息系统学院	32	353	12.0	18.0
4	冯蕴天	解放军理工大学指挥信息系统学院	4	61	3.0	4.0