Release Time:2019-03-12  Hits:

Indexed by: Journal Article

Date of Publication: 2018-11-15

Journal: 中文信息学报

Volume: 32

Issue: 11

Page Number: 62-71,78

ISSN: 1003-0077

Key Words: 命名实体识别;端到端模型;字符级词表示模型;注意力机制

Abstract: 命名实体识别(NER)是自然语言处理中的一项基础任务,其性能的优劣极大地影响着关系抽取、语义角色标注等后续任务.传统的统计模型特征设计难度大、领域适应性差,一些神经网络模型则忽略了词本身所具有的形态学信息.针对上述问题,该文构建了一种基于细粒度词表示的端到端模型(Finger-BiLSTM-CRF)来进行命名实体识别任务.该文首先提出一种基于注意力机制的字符级词表示模型Finger来融合形态学信息和单词的字符信息,然后将Finger与BiLSTM-CRF模型联合进行实体识别,最终该方法以端到端、无任何特征工程的方式在CoNLL 2003数据集上取得了F1为91.09％ 的结果.实验表明,该文设计的Finger模型显著提升NER系统的召回率,从而使得模型的识别能力显著提升.