典型文献
基于多通道神经网络的命名实体识别
文献摘要：
为解决命名实体识别任务中依赖单一词向量缺乏丰富的输入语义信息和基于统计方法特征构建费时费力的问题,提出了一种多通道神经网络命名实体识别模型(Named Entity Recognition based on Multichannel Neural Network,MNN-NER).首先,使用两个词向量工具将实验语料转换为词向量序列并作为模型不同通道的输入.然后通过双向长短时记忆网络(BiLSTM)自动提取用词向量表示文本的上下文特征.最后,CRF将BiLSTM输出的特征向量解码为最佳标记序列以完成命名实体识别任务.
文献关键词：
多通道;BiLSTM;CRF;命名实体识别
中图分类号：
作者姓名：
陶露
作者机构：
皖江工学院 电气信息工程学院,安徽 马鞍山 243000
文献出处：
引用格式：
[1]陶露-.基于多通道神经网络的命名实体识别)[J].池州学院学报,2022(06):6-10
A类：
词向量工具
B类：
多通道,命名实体识别,语义信息,统计方法,法特,特征构建,费时费力,识别模型,Named,Entity,Recognition,Multichannel,Neural,Network,MNN,NER,语料,双向长短时记忆网络,BiLSTM,自动提取,取用,用词,向量表示,上下文特征,CRF,特征向量,解码,成命
AB值：
0.332312
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。
