基于位置敏感Embedding的中文命名实体识别

• 作者: 姬东鸿 孙锐 鲁亚楠
• 来源期刊: 计算机应用研究
• 关键词: 命名实体识别 表示学习 Embedding 多尺度聚类 条件随机场
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 365-368,425
• 页数: 5页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.02.010

摘要

在基于条件随机场的中文命名实体识别任务中,现有表示学习方法学习到的特征存在语义表示偏差,给中文命名实体识别带来噪声.针对此问题,提出了一种基于位置敏感Embedding的中文命名实体识别方法.该方法将上下文位置信息融入到现有的Embedding模型中,采用多尺度聚类方法抽取不同粒度的Embedding特征,通过条件随机场来识别中文命名实体.实验证明,该方法学习到的特征缓解了语义表示偏差,进一步提高了现有系统的性能,与传统方法相比,F值提高了2.85％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姬东鸿	武汉大学计算机学院	92	887	16.0	26.0
2	孙锐	武汉大学计算机学院	7	31	3.0	5.0
3	鲁亚楠	武汉大学计算机学院	2	8	1.0	2.0