首页 | 本学科首页   官方微博 | 高级检索  
     

基于位置敏感Embedding的中文命名实体识别
引用本文:鲁亚楠,孙锐,姬东鸿. 基于位置敏感Embedding的中文命名实体识别[J]. 计算机应用研究, 2017, 34(2)
作者姓名:鲁亚楠  孙锐  姬东鸿
作者单位:武汉大学计算机学院,武汉大学计算机学院,武汉大学计算机学院
基金项目:国家自然科学基金重点项目(61133012);国家自然科学基金面上(61373108)
摘    要:在基于条件随机场的中文命名实体识别任务中,现有表示学习方法学习到的特征存在语义表示偏差,给中文命名实体识别带来噪音。针对此问题,提出了一种基于位置敏感Embedding的中文命名实体识别方法。该方法将上下文位置信息融入到现有的Embedding模型中,采用多尺度聚类方法抽取不同粒度的Embedding特征,通过条件随机场来识别中文命名实体。实验证明,该方法学习到的特征缓解了语义表示偏差,进一步提高了现有系统的性能,与传统方法进行相比,F值提高了2.85%。

关 键 词:命名实体识别;表示学习;Embedding;多尺度聚类;条件随机场
收稿时间:2015-12-30
修稿时间:2016-12-25

Chinese Named Entity Recognition based on Position-sensitive Embedding
Lu Yanan,Sun Rui and Ji Donghong. Chinese Named Entity Recognition based on Position-sensitive Embedding[J]. Application Research of Computers, 2017, 34(2)
Authors:Lu Yanan  Sun Rui  Ji Donghong
Affiliation:Computer School, Wuhan University,Computer School, Wuhan University,Computer School, Wuhan University
Abstract:In the task of Chinese named entity recognition based on conditional random fields, there is semantic bias on features learned by present representation learning. This paper presented a Chinese named entity recognition method based on position-sensitive embedding model. This method applied the position information to the embedding model and used multi-scale word clustering to extract different size features. And then recognize Chinese named entity with conditional random fields. The experiment shows that, this method improved the F-score by 2.85, compared to traditional methods.
Keywords:named entity recognition   representation learning   embedding   multi-scale clustering   conditional random fields
点击此处可从《计算机应用研究》浏览原始摘要信息
点击此处可从《计算机应用研究》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号