摘要
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.
基金项目
国家自然科学基金青年基金(62002384)
国家重点研发计划(2016QY03D0502)
郑州市协同创新重大专项(162/32410218)
国家科技期刊平台
NSTL
维普
万方数据