首页|命名实体识别研究综述

命名实体识别研究综述

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
命名实体识别作为自然语言处理中的一项核心任务,在信息抽取、问答系统、机器翻译等方面应用广泛.首先,对基于规则和词典、基于统计机器学习的方法进行了描述和总结.其次,综述了基于深度学习中有监督、远程监督和Transformer的命名实体识别模型,特别对近年来在自然语言处理领域中热门的Transformer架构及其相关模型进行了阐述,包括基于Transformer的掩码语言建模和自回归语言建模,如BERT、T5和GPT等.再次,简要探讨了应用于命名实体识别中基于数据的迁移学习和基于模型的迁移学习方法.最后,总结了命名实体识别任务面临的挑战和未来的发展趋势.
A review of named entity recognition research
Named entity recognition(NER),as a core task in natural language processing,finds ex-tensive applications in information extraction,question answering systems,machine translation,and more.Firstly,descriptions and summaries are provided for rule-based,dictionary-based,and statistical machine learning methods.Subsequently,an overview of NER models based on deep learning,including supervised,distant supervision,and Transformer-based approaches,is presented.Particularly,recent advancements in Transformer architecture and its related models in the field of natural language process-ing are elucidated,such as Transformer-based masked language modeling and autoregressive language modeling,including BERT,T5,and GPT.Furthermore,brief discussions are conducted on data trans-fer learning and model transfer learning methods applied to NER.Finally,challenges faced by NER tasks and future development trends are summarized.

named entity recognitionmachine learningdeep learningtransfer learningnatural lan-guage processing

丁建平、李卫军、刘雪洋、陈旭

展开 >

北方民族大学计算机科学与工程学院,宁夏 银川 750021

命名实体识别 机器学习 深度学习 迁移学习 自然语言处理

国家自然科学基金国家自然科学基金中央高校基本科研业务费中央高校基本科研业务费中央高校基本科研业务费宁夏自然科学基金

62066038619620012019KYQD042021JCYJ122022PT_S042021AAC03215

2024

10.3969/j.issn.1007-130X.2024.07.018

计算机工程与科学
国防科学技术大学计算机学院

计算机工程与科学

CSTPCD北大核心
影响因子：0.787
ISSN：1007-130X
年,卷(期)：2024.46(7)