面向汉语历史事件元素识别的深度学习模型构建及实现

作者：王昊; 王雪颖; 孟镇^*; 吴志祥

来源：情报理论与实践, 2021, 44(05): 166-172.

DOI：10.16353/j.cnki.1000-7490.2021.05.025

• 命名实体识别
• 历史事件名
• 事件辅助元素
• Bi LSTM-CRF
• 深度学习模型

[目的/意义]命名实体识别作为文本挖掘领域的一个研究重点,是信息检索、问答系统、信息抽取等多个领域的研究基础。目前针对历史文本的研究相对较少,尤其缺乏历史文本中的命名实体识别相关研究。[方法/过程]为了较好地识别出历史事件名,笔者尝试建立深度学习模型BiLSTM-CRF进行命名实体识别。此外,基于这种模型识别了时间、地点、人物这三个辅助元素作为事件的补充信息,对不同实体的识别特性进行对比分析。[结果/结论]发现历史事件名实体识别F1值能达到95.02%。对于辅助实体元素,除地点实体F1值低于80%,其他实体元素均表现较好,F1值能达到80%以上,说明该模型具有良好的识别性及可移植性。[局限]数据标注量还不够充分,标注粒度还可以进一步细化。

• 单位
  南京工业大学; 经济管理学院; 南京大学