基于CRF和BI-LSTM的命名实体识别方法

• 作者: 侯霞 柏兵 石松
• 来源期刊: 北京信息科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 命名实体识别 条件随机场 BI-LSTM
• 年，卷（期）: 2018,（6）
• 页码范围: 27-33
• 页数: 7页
• 分类号: TP391
• 字数: 5510字
• 语种: 中文
• DOI: 10.16508/j.cnki.11-5866/n.2018.06.006

摘要

针对传统命名实体识别需要大量人工及规则信息的问题,提出一种基于条件随机场(conditional random field,CRF)和双向长短时记忆(bi-directional long short-term memory,BI-LSTM)神经网络的命名实体识别方法.其中,CRF模型在进行中文分词的时候考虑到了未登录词的问题,具备较好的学习能力;双向长短期神经网络能够很好地保留上下文信息的特性.通过使用北京大学标注的1998年人民日报语料库对所提方法进行实验,结果表明:Dropout参数对命名实体识别的效果存在积极影响;同时当Dropout参数取不变时,双向LSTM模型比单向LSTM模型(long short-term memory,LSTM)在中文命名实体识别任务中取得了更好的识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	侯霞	北京信息科技大学计算机学院	56	171	8.0	11.0
2	柏兵	北京信息科技大学计算机学院	2	14	1.0	2.0
3	石松	北京信息科技大学计算机学院	2	14	1.0	2.0