融合词典信息和句子语义的中文命名实体识别OACSTPCD
Chinese Named Entity Recognition with Fusion of Lexicon Information and Sentence Semantics
受益于深度学习技术的蓬勃发展,命名实体识别任务的性能也得到了进一步的提升.然而,基于深度学习网络的模型的优秀性能严重依赖于大量的标注样本的支持,在缺少标注样本的小数据集上难以充分挖掘深层次信息,导致识别效果不佳.基于以上问题,本文提出一种融合词典信息和句子语义的中文命名实体识别模型LS-NER.首先,将字符在词典中匹配到的潜在词作为先验词汇信息供模型学习,应对中文分词问题.然后,将用于计算文本相似度的带有语义信息的句子嵌入并应用到命名实体识别任务…查看全部>>
The performance of named entity recognition tasks has significantly improved due to the rapid advancement of deep learning techniques.However,the outstanding results achieved by deep learning networks often rely on large amounts of labeled samples,making it challenging to fully exploit deep information in small datasets.In this paper,we propose a Chinese named en-tity recognition model(LS-NER)that combines lexicon and sentence semantics.Firstly,potential wor…查看全部>>
王谭;陈金广;马丽丽
西安工程大学计算机科学学院,陕西 西安 710048西安工程大学计算机科学学院,陕西 西安 710048西安工程大学计算机科学学院,陕西 西安 710048
计算机与自动化
命名实体识别BERTSoftLexiconSentence-Bert条件随机场
named entity recognitionBERTSoftLexiconSentence-BertCRF
《计算机与现代化》 2024 (3)
24-28,5
陕西省自然科学基础研究计划项目(2023-JC-YB-568)陕西省教育厅科研计划项目(22JP028)
评论