典型文献
基于多级别特征感知网络的中文命名实体识别
文献摘要：
当前中文命名实体识别方法仅采用字级别或词级别特征方法进行识别,不能兼顾字和词级别的优点,难以获取足够的字形或者词义信息.针对此问题,该文提出一种基于多级别特征感知网络的中文命名实体识别方法.首先提出一种双通道门控卷积神经网络,通过感知字级别特征,在减少了未登录词的同时,也表示了字的字形信息.同时,为了获取词语的词义信息,该文在词级别的特征中嵌入对应位置信息.为了赋予实体更多的权重,该文利用自注意力机制感知带有位置信息的词级别特征.进一步,将上述得到的字级别和词级别信息融合,全面表示句子的语义信息.由于采用字词结合的方法容易产生冗余信息,该文设计一种门控机制的Highway网络,来过滤冗余信息,减少冗余信息对命名实体识别的影响,再结合条件随机场学习到句子中的约束条件实现中文命名实体的识别.实验结果表明,该文所提出的方法总体上优于目前主流的中文命名实体识别方法.
文献关键词：
命名实体识别;双通道门控卷积;自注意力机制;Highway网络
中图分类号：
作者姓名：
宋威;周俊昊
作者机构：
江南大学 人工智能与计算机学院,江苏 无锡 214122;江南大学 江苏省模式识别与计算智能工程实验室,江苏 无锡 214122
文献出处：
引用格式：
[1]宋威;周俊昊-.基于多级别特征感知网络的中文命名实体识别)[J].中文信息学报,2022(09):84-92
A类：
双通道门控卷积
B类：
特征感知,感知网络,中文命名实体识别,实体识别方法,用字,字形,词义,门控卷积神经网络,过感知,未登录词,取词,词语,位置信息,自注意力机制,信息融合,句子,语义信息,字词,冗余信息,门控机制,Highway,条件随机场
AB值：
0.173778
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。
