基于多维度特征融合的中文命名实体识别系统

• 作者: 牛迪
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 命名实体识别 深度学习 多维度特征融合
• 年，卷（期）: 2020,（6）
• 页码范围: 645-650
• 页数: 6页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2020.44.06.002

摘要

现阶段的命名实体识别(Named entity recognition,NER)多依赖深度学习模型自动抽取文本特征,无法对文本中字词的特征进行融合,同时对于模型的错误预测结果也无法人工干预,只能通过优化模型参数和再次语料训练来解决.针对这样的问题,该文设计了整体的NER系统架构,同时提出了多维度特征融合的深度学习模型.该文在常规的长短期记忆模型(Long short term memory,LSTM)和条件随机场(Conditional random field,CRF)模型基础上,构建了新的神经网络结构,融入了多维度的字词特征.整个NER系统还引入了规则匹配,通过规则和深度学习的配合,将整体NER的F1值提升到96.2％.对比常规的LSTM+CRF模型,性能提升了近6％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牛迪		1	0	0.0	0.0