融合字词模型的中文命名实体识别研究

• 作者: 李欣子 李玖一 殷章志 黄德根
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 命名实体识别 BiLSTM-CRF 模型融合 SVM
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 信息抽取与文本挖掘
• 页码范围: 95-100,106
• 页数: 7页
• 分类号: TP391
• 字数: 5048字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2019.11.011

摘要

命名实体识别(NER)是自然语言处理中一项非常重要的基础任务.传统的机器学习方法在处理该任务时,主要依赖于人们的专业领域知识和人工提取的特征.为了在不需要人工特征的条件下获得较好的结果,该文提出了一种融合字词BiLSTM模型的命名实体识别方法.首先分别用BiLSTM-CRF训练得到基于字的模型Char-NER和基于词的模型Word-NER,然后将两个模型得到的分值向量进行运算和拼接,将拼接后的向量作为特征送入SVM进行训练,使用SVM对Char-NER和Word-NER进行模型融合.实验结果表明,该方法在不需要人工特征的条件下,在1998年《人民日报》语料和MSRA语料上对人名、地名、机构名识别的F值分别达到了94.04％ 、92.15％ 、87.05％ 和91.73％ 、93.20％ 、83.15％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄德根	大连理工大学计算机科学与技术学院	70	1191	19.0	33.0
2	殷章志	大连理工大学计算机科学与技术学院	2	1	1.0	1.0
3	李欣子	大连理工大学计算机科学与技术学院	1	0	0.0	0.0
4	李玖一	大连理工大学计算机科学与技术学院	1	0	0.0	0.0