基于LSTM-SNP的命名实体识别

作者：邓琴; 陈晓亮^*; 陈龙齐

来源：西华大学学报(自然科学版), 2023, 42(05): 28-37.

• LSTM-SNP模型
• 命名实体识别
• 模型性能测评

脉冲神经P系统（SNPs）是抽象于生物神经元信息交互机制的高效并行计算系统。LSTM-SNP首次结合非线性SNP和长短期记忆神经网络（LSTM），从而形成门控机制可解释的深度学习通用模型。LSTM-SNP作为传统序列分析模型LSTM的最新变体，在处理典型自然语言处理序列分析问题的性能表现未见相关研究。文章以命名实体识别任务为基础，通过在LSTM-SNP上增补不同的深度学习组件，对LSTM-SNP与传统LSTM以及其变体BiLSTM的性能差异进行了全面分析，为在自然语言处理任务中使用LSTM-SNP模型提供可靠的改进参考。通过以CoNLL-2003和OntoNotes5.0为标准数据集的对比实验，发现：LSTM-SNP模型与LSTM模型具有类似的实体识别性能，但随着预处理的操作，LSTM-SNP模型的整体性能提升更为显著；LSTM-SNP模型对命名实体的识别是一种行之有效的方法，且具有较大的应用潜力。