融合关联信息与CNN的实体识别研究

作者：李明键; 李卫军^*; 王海荣

来源：郑州大学学报(理学版）, 2023, 55(05): 53-59.

DOI：10.13705/j.issn.1671-6841.2022165

• 关联信息
• 卷积神经网络
• 实体识别
• 多特征结合

引入外部词汇是提升实体识别效果的有效方法，然而现有的方法未能对词汇的关联字符向量进行表征，从而忽略了字符之间的联系。基于此，提出一种融合关联信息与卷积神经网络(convolutional neural network, CNN)的实体识别方法。在使用SoftLexicon引入外部词汇的基础上，根据字符所对应的外部词汇发现关联字符并以词频方式进行归一，从而与字符、词汇向量融合以构建多特征信息来扩充字符特征表示，之后使用CNN与双向长短期记忆网络联合获取深层信息。在Resume、Weibo和CCKS2017数据集上进行实验，结果表明，相比SoftLexicon方法，所提方法能有效提升实体识别效果。

• 单位
  北方民族大学