基于门控CNN-CRF的中文命名实体识别

作者：陶源; 彭艳兵

来源：电子设计工程, 2020, 28(04): 42-51.

DOI：10.14022/j.issn1674-6236.2020.04.009

• 命名实体识别
• 卷积神经网络
• 门控线性单元
• 词向量

在已有的命名实体识别研究的基础上,提出了一种新型的混合神经网络模型——门控CNNCRF用于命名实体识别。该模型结合了门控线性单元,卷积神经网络,以及条件随机场。作为对比,同时还介绍了其他较为成熟的命名实体识别模型,例如Bi-LSTM-CRF。分别对以上模型在中文数据集上进行了命名实体识别测试。实验表明,所有结果的准确率、召回率和F1值都接近命名实体识别的最新水平。其中门控CNN-CRF模型在中文数据集SIGHAN2006上进行命名实体识别时,准确率、召回率、F1值分别达到了91.05%、89.93%、和90.49%,取得了较好的效果。

• 单位
  武汉邮电科学研究院