首页|中文分词与命名实体识别的联合学习

中文分词与命名实体识别的联合学习

Joint learning of Chinese word segmentation and named entity recognition

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
将卷积结构引入循环神经网络,从而构建卷积循环神经网络.以此为基础,研究构建了面向中文分词与实体识别联合学习的序列标注模型.该模型依托卷积循环神经网络构建特征编码层,实现中文字序列局部空间特征和长距离时序依赖特征的联合提取;依托改进的循环神经网络构建标签解码层,实现标签序列长距离时序依赖的有效建模;依托统一的分词与实体识别序列标注模式实现分词信息与实体信息的联合学习,避免传统流水线法的误差传播问题.在人民日报语料和微软标注语料上的实验结果显示,该框架较传统统计模型和神经网络模型有显著的性能提升,尤其是在识别字数较多的命名实体时,其效果明显优于其他方法.

黄晓辉、乔立升、余文涛、李京、薛寒

展开 >

中国科学技术大学 计算机科学与技术学院, 安徽 合肥 230026

战略支援部队信息工程大学洛阳校区, 河南 洛阳 471003

卷积循环神经网络 局部空间特征 时序依赖特征 分词与实体识别

国家重点研发计划资助项目

2016YFB0201402

2021

10.11887/j.cn.202101012

国防科技大学学报
国防科学技术大学

国防科技大学学报

CSTPCDCSCD北大核心
影响因子：0.517
ISSN：1001-2486
年,卷(期)：2021.43(1)
  • 8
  • 6