基于深度神经网络的命名实体识别方法研究

• 作者: GUL Khan Safi Qamas 尹继泽 潘丽敏 罗森林
• 来源期刊: 信息网络安全
• 学科: 工学
• 关键词: 命名实体识别 中文社交媒体 深度神经网络 注意力机制
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 技术研究
• 页码范围: 29-35
• 页数: 7页
• 分类号: TP309
• 字数: 6712字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1122.2017.10.005

摘要

针对中文社交媒体命名实体识别的特征提取不充分问题,文章提出一种基于深度神经网络、结合长短时记忆和注意力模型的命名实体识别方法.一条社交媒体文本信息等价于一个字符序列,因此,首先将其中每个字符转化为对应的字向量;其次,利用长短时记忆处理转化后的字向量序列来提取文本全局特征;然后,利用注意力模型处理前一步输出的文本全局特征向量序列,进一步提取文本局部特征;最后,利用线性链式条件随机场根据文本全局和局部特征向量序列进行命名实体标注,获得命名实体识别结果并输出.实验结果表明,文中方法与基线算法及当前优良算法相比,其F-测度值高于其他对比方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗森林	北京理工大学信息系统及安全对抗实验中心	121	821	14.0	23.0
2	潘丽敏	北京理工大学信息系统及安全对抗实验中心	66	402	10.0	17.0
3	GUL Khan Safi Qamas	北京理工大学信息系统及安全对抗实验中心	2	24	2.0	2.0
4	尹继泽	北京理工大学信息系统及安全对抗实验中心	1	17	1.0	1.0