首页|基于改进的Transformer编码器的中文命名实体识别

基于改进的Transformer编码器的中文命名实体识别

Chinese NER based on improved Transformer encoder

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
为了提高中文命名实体识别的效果,提出了基于XLNET-Transformer P-CRF模型的方法,该方法使用了Transformer P编码器,改进了传统Transformer编码器不能获取相对位置信息的缺点.实验结果表明,XLNET-Transformer P-CRF模型在MSRA、OntoNotes4.0、Resume、微博数据集4类数据集上分别达到95.11％、80.54％、96.70％、71.46％的F1值,均高于中文命名实体识别的主流模型.

郑洪浩、于洪涛、李邵梅

展开 >

信息工程大学,河南郑州450002

中文命名实体识别 Transformer编码器 相对位置信息

国家自然科学基金青年基金国家重点研发计划郑州市协同创新重大专项

620023842016QY03D0502162/32410218

2021

10.11959/j.issn.2096-109x.2021041

网络与信息安全学报
人民邮电出版社

网络与信息安全学报

CSTPCD
ISSN：2096-109X
年,卷(期)：2021.7(5)
  • 1
  • 2