结合实体边界线索的中文命名实体识别方法

命名实体识别作为信息抽取领域的一个基础任务，能为机器翻译、关系抽取等下游任务提供有效支撑，具有重要的研究意义。针对中文命名实体识别方法中存在的实体边界模糊的问题，提出了一种结合实体边界线索的命名实体识别模型，模型由边界检测、线索生成、实体分类三个模块组成。利用边界检测模块识别实体边界。在线索生成模块中依据边界信息生成实体跨度，得到带边界线索标签的文本序列，使模型通过边界线索标签感知句子中的实体边界，学习实体边界和上下文的语义依赖特征。将带有边界线索标签的文本序列作为实体分类模块的输入，使用双仿射机制增强标签之间的语义交互，并结合双仿射机制与多层感知机的共同预测作为实体识别的结果。该模型在ACE2005中文数据集和Weibo数据集上的F1值分别达到了90.47%和73.54%，验证了模型对中文命名实体识别的有效性。