结合gazetteers和句法依存树的中文命名实体识别

作者：方红; 苏铭; 冯一铂; 张澜

来源：计算机工程与应用, 2021, 1-8.

• gazetteers
• 句法依存树
• 序列标注
• 自适应门控图神经网络（AGGNN）
• 双向长短记忆网络（BiLSTM）
• 条件随机场（CRF）

中文命名实体识别在机器翻译、智能问答等下游任务中起着重要作用。这里提出一种新的基于gazetteers和句法依存树的中文命名实体识别方法，旨在解决由于字符向量缺少词信息和词之间的句法依赖结构信息而导致的错误传递问题。该方法首先将句子中的gazetteers信息和句法依存树信息形成图，再通过自适应门控图神经网络（Adapted Gated Graph Neural Networks，AGGNN）将其融入到字符向量中，从而使得每个字向量很好地获取词汇间的语义关系，提升识别准确率。通过在Ecommerce、Resume、QI等数据集的验证，新的方法可以使得中文实体识别的准确率得到较大提升。

• 单位
  上海第二工业大学; 喀什大学