典型文献
中文命名实体识别综述
文献摘要：
中文命名实体识别(NER)任务是信息抽取领域内的一个子任务,其任务目标是给定一段非结构文本后,从句子中寻找、识别和分类相关实体,例如人名、地名和机构名称.中文命名实体识别是一个自然语言处理(NLP)领域的基本任务,在许多下游NLP任务中,包括信息检索、关系抽取和问答系统中扮演着重要角色.全面回顾了现有的基于神经网络的单词-字符晶格结构的中文NER模型.首先介绍了中文NER相比英语NER难度更大,存在着中文文本相关实体边界难以确定和中文语法结构复杂等难点及挑战.然后调研了在不同神经网络架构下(RNN、CNN、GNN和Transformer)最具代表性的晶格结构的中文NER模型.由于单词序列信息可以给基于字符的序列学习更多边界信息,为了显式地利用每个字符所相关的词汇信息,过去的这些工作提出通过词-字符晶格结构将单词信息整合到字符序列中.这些在中文NER任务上基于神经网络的单词-字符晶格结构的性能要明显优于基于单词或基于字符的方法.最后介绍了中文NER的数据集及评价标准.
文献关键词：
命名实体识别(NER);晶格结构;神经网络
中图分类号：
作者姓名：
赵山;罗睿;蔡志平
作者机构：
国防科技大学 计算机学院,长沙 410073
文献出处：
引用格式：
[1]赵山;罗睿;蔡志平-.中文命名实体识别综述)[J].计算机科学与探索,2022(02):296-304
A类：
B类：
中文命名实体识别,NER,信息抽取,子任务,任务目标,从句,句子,人名,地名,机构名称,自然语言处理,NLP,基本任务,多下,信息检索,关系抽取,问答系统,全面回顾,单词,晶格结构,中文文本,难以确定,语法结构,后调,神经网络架构,RNN,GNN,Transformer,词序,序列信息,序列学习,多边界,显式,个字符,词信息,信息整合,合到
AB值：
0.31651
相似文献
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。
