典型文献
基于深度学习的中文命名实体识别最新研究进展综述
文献摘要：
中文命名实体识别(CNER)任务是问答系统、机器翻译、信息抽取等自然语言应用的基础底层任务.传统的CNER系统借助人工设计的领域词典和语法规则,取得了不错的实验效果,但存在泛化能力弱、鲁棒性差、维护难等缺点.近年来兴起的深度学习技术通过端到端的方式自动提取文本特征,弥补了上述不足.该文对基于深度学习的中文命名实体识别任务最新研究进展进行了综述,先介绍中文命名实体识别任务的概念、应用现状和难点,接着简要介绍中文命名实体识别任务的常用数据集和评估方法,并按照主要网络架构对中文命名实体识别任务上的深度学习模型进行分类和梳理,最后对这一任务的未来研究方向进行了展望.
文献关键词：
中文命名实体识别;深度学习;综述
中图分类号：
作者姓名：
张汝佳;代璐;王邦;郭鹏
作者机构：
华中科技大学 电子信息与通信学院,湖北 武汉430074
文献出处：
引用格式：
[1]张汝佳;代璐;王邦;郭鹏-.基于深度学习的中文命名实体识别最新研究进展综述)[J].中文信息学报,2022(06):20-35
A类：
B类：
中文命名实体识别,最新研究进展,进展综述,CNER,问答系统,机器翻译,信息抽取,自然语言,语言应用,统借,助人,领域词典,语法规则,不错,实验效果,泛化能力,深度学习技术,端到端,自动提取,文本特征,网络架构,深度学习模型,一任,未来研究方向
AB值：
0.208806
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。
