面向新类型人名识别的数据增强方法

• 作者: 孙乐 宋希良 韩先培
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 人名识别 DataAugmentation 新类型人名
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 信息抽取与文本挖掘
• 页码范围: 72-79
• 页数: 8页
• 分类号: TP391
• 字数: 7492字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2019.06.011

摘要

人名识别常被作为命名实体识别任务的一部分,与其他类型的实体同时进行识别.当前使用N ER方法的人名识别依赖于训练语料对特定类型人名的覆盖,在遇到新类型人名时性能显著下降.针对上述问题,该文提出了一种基于数据增强(data augmentation)的方法,使用新类型人名实体替换的策略来生成伪训练数据,该方法能够有效提升系统对新类型人名的识别性能.为了选择有代表性的特定类型人名实体,该文提出了贪心的代表性子类型人名选择算法.在使用1998年《人民日报》数据自动生成的伪测试数据和人工标注的新闻数据的测试结果中,多个模型上人名识别的F1值分别提升了至少12个百分点和6个百分点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙乐	中国科学院软件研究所中文信息处理实验室	30	714	11.0	26.0
2	韩先培	中国科学院软件研究所中文信息处理实验室	10	101	4.0	10.0
3	宋希良	中国科学院软件研究所中文信息处理实验室	1	1	1.0	1.0