基于不同模型的中文命名实体识别方法研究

• 作者: 宫义山 段亚奇
• 来源期刊: 信息通信
• 学科: 工学
• 关键词: 命名实体识别 CRF LSTM Bert 预训练字符向量
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 信息工程
• 页码范围: 84-86
• 页数: 3页
• 分类号: TP391
• 语种: 中文

摘要

目的:比较条件随机场、长短期记忆模型、BiLSTM-CRF和使用Bert预训练字符向量的BiLSTM-CRF四种命名实体识别模型.方法:分析比较四种模型在人民日报数据集和MSRA数据集上对人名、地点和机构三类实体的识别性能.结果:单一神经网络LSTM在缺乏训练数据支持的结果表现不如CRF,而使用了Bert预训练字符向量的神经网络即使使用较少的训练数据仍能获得较其他模型更好的结果,在人民日报数据集和MSRA数据集上的F值均达到0.9.结论:单一神经网络模型在缺乏训练数据时有较大局限性,使用Bert预训练字符向量的神经网络模型在中文命名实体识别任务中存在较大优势.