基于自注意力和Lattice-LSTM的军事命名实体识别

作者：李鸿飞; 刘盼雨; 魏勇

来源：计算机工程与科学, 2021, 43(10): 1848-1855.

• 命名实体识别
• Lattice
• 自注意力

军事命名实体识别能够为情报分析、指挥决策等环节提供自动化辅助支持,是提升指挥信息系统智能化程度的关键技术手段。由于中文文化和英文文化的不同,中国语言文字中实体识别第1步是对文章字句进行分词,分词的不准确则会直接造成命名实体识别上的精度损失。此外,一段字句中命名实体的识别是与上下文信息相关的,不同字词对实体识别的贡献度不一定是正向的,多余的字词信息只会对命名实体识别起到负面作用。针对上述挑战,提出了Lattice长短时记忆神经网络(LSTM)结合自注意力机制(self-attention)的融合网络模型。Lattice-LSTM结构可以实现对字句中特殊字词的识别,并将深层的字词信息聚合到基于字符的LSTM-CRF模型中。Self-attention结构可以发现同一句子中词之间的关系特征或语义特征。使用人工标注的小规模样本集进行实验,结果表明该模型相较于几种基线模型取得了更理想的效果。

• 单位
  国防科技大学; 信息工程大学地理空间信息学院