|
|||||
|
|
| 基于多粒度认知的命名实体识别方法 | |
| 作者姓名： | 李攀锋 陈樱珏 钟泠韵 林锋 |
| 作者单位： | 四川大学计算机学院,四川大学计算机学院,四川大学计算机学院,四川大学计算机学院 |
| 基金项目： | 国家重点基础研究发展计划 |
| 摘 要： | 在数据匮乏的领域,命名实体识别效果受限于欠拟合的字词特征表达,引入常规的多任务学习方法可以有所改善,但需要额外的标注成本.针对这一问题,提出了一种基于多粒度认知的命名实体识别方法,在不产生额外标注成本的前提下,增强字特征信息,提高命名实体识别效果.该方法从多粒度认知理论出发,以BiLSTM和CRF为基础模型,将字粒度下的命名实体识别任务与句子全局粒度下的实体数量预测任务相联合,共同优化字嵌入表达.三个不同类型的数据集上的多组实验表明,引入多粒度认知的方法有效地提升了命名实体识别效果. |
| 关 键 词： | 命名实体识别 多粒度认知 多任务学习 自然语言处理 |
| 收稿时间： | 2021-06-19 |
| 修稿时间： | 2021-08-17 |
| 点击此处可从《四川大学学报(自然科学版)》浏览原始摘要信息 | |
| 点击此处可从《四川大学学报(自然科学版)》下载免费的PDF全文 | |