结合实体标签的中文嵌套命名实体识别

针对嵌套命名实体识别，神经网络模型中提出基于跨度的框架。该框架首先产生跨度种子，然后搭建分类器进行筛选。但单独对跨度区域进行分类存在丢失全局语义信息的问题。另外，在中文嵌套命名实体识别中，因为缺少分隔符且中文高度依赖上下文，跨度区域无法有效使用词边界特征，导致识别性能不佳。为解决上述问题，本文提出结合实体标签的中文嵌套命名实体识别模型（CEL）。该模型生成跨度种子后，在原句子的跨度区域开始及结束位置嵌入实体标签，再作为分类器输入，从而更好地学习到跨度种区域边界和上下文之间的语义依赖特征。论文在ACE2005中文数据集上进行实验，实验表明，CEL模型在F1值上达到了较好水平。