中文领域命名实体识别综述

• 作者: 焦凯楠 李欣 朱容辰
• 来源期刊: 计算机工程与应用
• 关键词: 自然语言处理 中文领域命名实体识别 深度学习
• 年，卷（期）: 2021,（16）
• 所属期刊栏目: 热点与综述|Research Hotspots and Reviews
• 页码范围: 1-15
• 页数: 15页
• 分类号: TP389.1
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2103-0127

摘要

命名实体识别(Named Entity Recognition,NER)作为自然语言处理领域经典的研究主题,是智能问答、知识图谱等任务的基础技术.领域命名实体识别(Domain Named Entity Recognition,DNER)是面向特定领域的NER方案.在深度学习技术的推动下,中文DNER取得了突破性进展.概括了中文DNER的研究框架,从领域数据源的确定、领域实体类型及规范制定、领域数据集的标注规范、中文DNER评估指标四个角度对国内外已有研究成果进行了综合评述;总结了目前常见的中文DNER的技术框架,介绍了基于词典和规则的模式匹配方法、统计机器学习方法、基于深度学习的方法、多方融合的深度学习方法,并重点分析了基于词向量表征和深度学习的中文DNER方法;讨论了中文DNER的典型应用场景,对未来发展方向进行了展望.