典型文献
多头注意力与字词融合的中文命名实体识别
文献摘要：
命名实体识别(named entity recognition,NER)是自然语言处理中重要的基础任务,而中文命名实体识别(Chinese named entity recognition,CNER)因分词歧义和一词多义等问题使其尤显困难.针对这些问题,提出多头注意力机制(multi-heads attention mechanism,Multi-Attention)与字词融合的中文命名实体识别模型(CWA-CNER).将汉语文本字向量与其在句中可能成词的词向量进行拼接,并将其送入长短时记忆网络(bidirectional long short-term memory neural network,BiLSTM)提取上下文语义信息,进而利用多头注意力机制捕获句中元素间联系的紧密程度,最后通过条件随机场(conditional random field,CRF)进行实体标注.该模型在Boson数据集,1998和2014年《人民日报》三种语料上进行实验,其F1值均达到90％以上,结果表明了模型的有效性.
文献关键词：
命名实体识别(NER);多头注意力机制;字词融合
中图分类号：
作者姓名：
赵丹丹;黄德根;孟佳娜;谷丰;张攀
作者机构：
大连理工大学 计算机科学与技术学院,辽宁 大连 116024;大连民族大学 计算机科学与工程学院,辽宁 大连 116600
文献出处：
引用格式：
[1]赵丹丹;黄德根;孟佳娜;谷丰;张攀-.多头注意力与字词融合的中文命名实体识别)[J].计算机工程与应用,2022(07):142-149
A类：
B类：
字词融合,中文命名实体识别,named,entity,recognition,自然语言处理,Chinese,CNER,分词,歧义,一词多义,多头注意力机制,multi,heads,attention,mechanism,Multi,Attention,识别模型,CWA,汉语文本,本字,字向量,成词,词向量,拼接,送入,长短时记忆网络,bidirectional,long,short,term,memory,neural,network,BiLSTM,上下文语义,语义信息,中元,条件随机场,conditional,random,field,CRF,实体标注,Boson,人民日报,语料
AB值：
0.364108
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。
