基于联合模型的中文社交媒体命名实体识别

• 作者: 彭艳兵 易黎 程光 黄鹏
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 命名实体识别 社交媒体 跨领域学习 领域相似性 半监督学习 主动学习
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 系统结构
• 页码范围: 2402-2406,2433
• 页数: 6页
• 分类号: TP391
• 字数: 4754字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2017.12.017

摘要

随着互联网的发展,对中文社交媒体中命名实体进行识别具有重要的意义,传统的做法是采用监督学习方法,局限于标注数据的稀缺.然而,通用领域中有足够的语料库且社交媒体中的海量未标注的文本可以用于提高命名实体识别的效果.论文提出了一个联合模型,利用通用领域语料库和社交网络领域中未标注的文本进行训练.该联合模型由两个模型组成,一个是跨领域学习模型另外一个是半监督学习模型.跨领域学习基于领域的相似性学习通用领域的信息.半监督学习通过主动学习目标域内未标注的信息.该联合模型提高了命名实体识别的效果,且大大减小了人工标注语料工作.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程光	东南大学计算机科学与工程学院	59	1001	16.0	31.0
2	易黎		3	6	2.0	2.0
3	彭艳兵		20	38	3.0	5.0
4	黄鹏		1	3	1.0	1.0