基于深度学习和语法规约的需求文档命名实体识别

• 作者: 许梦笛 王金华
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 命名实体识别 CNER 深度残差网络 双向长短期记忆网络 条件随机场 语法规约
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 中文信息技术
• 页码范围: 105-110
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2021.01.020

摘要

命名实体识别是自然语言处理中的一个关键.在需求文档中存在过长的实体:虚功能,使得普适的传统命名实体识别方法无法有效地识别得到完整的实体.本文针对需求文档实体识别模型进行深入研究,引入深度学习方法,提出基于深度残差网络(ResNet)的CNER方法与基于规则的方法相结合,进行针对中文需求文档的分词.本文的命名实体识别模型是一种编码-解码模型,使用带有注意力机制的双向长短期记忆网络(BiLSTM with attention)进行编码,得到分词后文本的上下文特征和句式特征,使用条件随机场(CRF)方法进行解码,再结合语法规约的干预进行需求文档实体识别.实验表明,所提方法在需求文档领域识别效果优于普适的传统方法.