基于ERNIE与多特征融合的中文命名实体识别 |
| |
引用本文: | 陈克金,叶善力.基于ERNIE与多特征融合的中文命名实体识别[J].浙江科技学院学报,2023(5):421-429+456. |
| |
作者姓名: | 陈克金 叶善力 |
| |
作者单位: | 浙江科技学院理学院 |
| |
基金项目: | 国家自然科学基金项目(11671357); |
| |
摘 要: | 【目的】在中文命名实体识别中,传统命名实体识别方法中词向量只能将其映射为单一向量,无法表征一词多义,在特征提取过程中易忽略局部特征。针对以上问题,提出一种基于知识增强语义表示(enhanced reprsentation through knowledge integration, ERNIE)与多特征融合的实体识别方法。【方法】首先,通过预训练模型ERNIE获得词向量;然后将词向量并行输入双向长短时记忆网络(bidirectional long short-term memory network, BiLSTM)与膨胀卷积神经网络(iterated dilated convolutional neural network, IDCNN)中提取特征,再将输出特征向量进行融合;最后通过条件随机场(conditional random field, CRF)解码获取最佳序列。【结果】本研究所提出的模型优于其他传统模型,在微软亚洲研究院(Microsoft Research Asia, MSRA)数据集上的F1值达到了95.18%,相比基准模型BiLSTM-CRF F<...
|
关 键 词: | 命名实体识别 ERNIE 双向长短期记忆网络 膨胀卷积神经网络 注意力机制 |
|
|