典型文献
基于交互式特征融合的嵌套命名实体识别
文献摘要：
现有命名实体识别模型在字嵌入过程中多采用字符向量、字向量等不同单词表示向量的拼接或累加方式提取信息,未考虑不同单词表示特征之间的相互依赖关系,导致单词内部特征信息获取不足.提出一种基于交互式特征融合的嵌套命名实体识别模型,通过交互的方式构建不同特征之间的通信桥梁,以捕获多特征之间的依赖关系.采用交互机制得到包含不同单词表示信息的字嵌入向量,基于双向长短时记忆网络提取单词的表示特征,并对不同单词的表示特征进行交互,捕获特征之间的相互依赖关系.为进一步提取序列特征的上下文信息,采用基于特征交互的多头注意力机制捕获句子上下文的依赖关系.在此基础上,采用二元序列标记法过滤非实体区域,得到粗粒度候选区间,并对其进行细粒度划分以判断实体类别.实验结果表明,该模型的召回率和F1值为72.4％和71.2％,相比现有的嵌套命名实体识别模型,F1值平均提高了1.72％.
文献关键词：
嵌套命名实体识别;双向长短时记忆网络;特征交互;多头注意力;候选区间
中图分类号：
作者姓名：
廖涛;黄荣梅;张顺香;段松松
作者机构：
安徽理工大学 计算机科学与工程学院,安徽 淮南 232001
文献出处：
引用格式：
[1]廖涛;黄荣梅;张顺香;段松松-.基于交互式特征融合的嵌套命名实体识别)[J].计算机工程,2022(12):119-126,133
A类：
B类：
交互式,特征融合,嵌套命名实体识别,有命,识别模型,字嵌入,用字,字符,字向量,单词表,拼接,累加,提取信息,相互依赖,依赖关系,特征信息,信息获取,多特征,交互机制,嵌入向量,双向长短时记忆网络,提取序列,序列特征,上下文信息,特征交互,多头注意力机制,句子,二元序列,标记法,粗粒度,候选区间,细粒度,实体类别,召回率
AB值：
0.262935
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
