典型文献
结合gazetteers和句法依存树的中文命名实体识别
文献摘要：
中文命名实体识别在机器翻译、智能问答等下游任务中起着重要作用.提出一种新的基于gazetteers和句法依存树的中文命名实体识别方法,旨在解决由于字符向量缺少词信息和词之间的句法依赖结构信息而导致的错误传递问题.该方法将句子中的gazetteers信息和句法依存树信息形成图,再通过自适应门控图神经网络(adapted gated graph neural networks,AGGNN)将其融入到字符向量中,从而使得每个字向量很好地获取词汇间的语义关系,提升识别准确率.通过在Ecommerce、Resume、QI等数据集的验证,新的方法可以使得中文实体识别的准确率得到较大提升.
文献关键词：
gazetteers;句法依存树;序列标注;自适应门控图神经网络(AGGNN);双向长短记忆网络(BiLSTM);条件随机场(CRF)
中图分类号：
作者姓名：
方红;苏铭;冯一铂;张澜
作者机构：
上海第二工业大学 文理学部,上海 201209;上海第二工业大学 工学部,上海 201209;喀什大学 数学与统计学院,新疆 喀什 844000
文献出处：
引用格式：
[1]方红;苏铭;冯一铂;张澜-.结合gazetteers和句法依存树的中文命名实体识别)[J].计算机工程与应用,2022(18):227-232
A类：
gazetteers,自适应门控图神经网络,AGGNN,Ecommerce
B类：
句法依存树,中文命名实体识别,机器翻译,智能问答,实体识别方法,字符,词信息,句法依赖,依赖结构,结构信息,误传,句子,成图,adapted,gated,graph,neural,networks,字向量,取词,语义关系,识别准确率,Resume,QI,序列标注,双向长短记忆网络,BiLSTM,条件随机场,CRF
AB值：
0.246444
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。
