|
|||||
|
|
| 基于LNBC模型的中文命名实体识别 | |
| 引用本文： | 马永军,王野.基于LNBC模型的中文命名实体识别[J].天津科技大学学报,2023(2):50-55. |
| 作者姓名： | 马永军 王野 |
| 作者单位： | 天津科技大学人工智能学院 |
| 基金项目： | 天津市教委社会科学重大项目(2017JWZD19)； |
| 摘 要： | 针对中文命名实体识别中融合词典信息准确率提升不足的问题，使用在模型内部融合词典信息的策略，并结合预训练语言模型NEZHA增强文本的嵌入表示，提出一种基于LNBC(LE-NEZHA-BiLSTM-CRF)模型的中文命名实体识别方法．首先通过词典树匹配所有潜在的词，然后采用面向中文理解的神经语境表征模型(NEZHA)进行融合嵌入表示，将训练得到的字词融合向量输入双向长短期记忆(BiLSTM)网络进行特征提取，获取长距离的语义信息，最后通过条件随机场(CRF)层降低错误标签输出的概率．实验结果表明，该方法在MSRA数据集和Resume数据集中的F1值分别为95.71%和96.11%，较其他对比模型均有提高． |
| 关 键 词： | 命名实体识别 词典信息 双向长短期记忆网络 条件随机场 |