融合知识图谱信息的命名实体识别方法

• 作者: 阎志刚 李成城 林民
• 来源期刊: 山西师范大学学报（自然科学版）
• 关键词: 自然语言处理 中文命名实体识别 知识图谱 深度学习 知识嵌入
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 计算机科学
• 页码范围: 51-58
• 页数: 8页
• 分类号: TP391.1
• 语种: 中文

摘要

在大规模文本语料库上预先训练的BERT等神经语言表示模型可以很好地从纯文本中捕获丰富的语义信息.但在进行中文命名实体识别任务时,由于中文命名实体存在结构复杂、形式多样、一词多义等问题,导致中文命名实体识别效果不佳.考虑到知识图谱可以提供丰富的结构化知识事实,从而更好地进行语言理解,提出了一种融合知识图谱信息的中文命名实体识别方法,通过知识图谱中的信息实体增强语言的外部知识表示能力.实验结果表明,与BILSTM-CRF、BERT等方法相比,所提出的方法有效提升了中文命名实体的识别效果,在MSRA与搜狐新闻网标注数据集上,F1值分别达到了95.4％与93.4％.