基于神經(jīng)網(wǎng)絡(luò)的中文命名實(shí)體識別研究.pdf

1、命名實(shí)體識別任務(wù)是指從文本中識別出人名、地名和機(jī)構(gòu)名等專有名詞，是自然語言處理的關(guān)鍵技術(shù)之一，也是信息抽取、問答系統(tǒng)、機(jī)器翻譯等應(yīng)用的重要基礎(chǔ)性工作。傳統(tǒng)的基于統(tǒng)計(jì)學(xué)習(xí)模型的命名實(shí)體識別方法通常需要特征工程，特征對系統(tǒng)性能有較大影響，但是特征模板的設(shè)計(jì)需要大量人工參與和專家知識。為了減弱系統(tǒng)對人工特征設(shè)計(jì)的依賴，本文采用深度學(xué)習(xí)方法，結(jié)合中文命名實(shí)體識別任務(wù)的特點(diǎn)，研究基于神經(jīng)網(wǎng)絡(luò)的中文命名實(shí)體識別方法。本文的主要工作如下:
　　

2、(1)圍繞命名實(shí)體識別任務(wù)和深度學(xué)習(xí)方法，討論與分析了任務(wù)難點(diǎn)、常用的命名實(shí)體識別研究方法、深度學(xué)習(xí)方法基礎(chǔ)、詞向量以及常用的神經(jīng)網(wǎng)絡(luò)模型。
　　(2)基于神經(jīng)網(wǎng)絡(luò)的字符標(biāo)注方式實(shí)現(xiàn)了一個(gè)中文命名實(shí)體識別的基線(baseline)系統(tǒng)。該方法采用雙向長短期記憶模型，將中文命名實(shí)體識別任務(wù)看作一個(gè)序列標(biāo)注問題，以中文句子中字符向量表示作為輸入特征充分考慮上下文信息，通過對中文序列中的每個(gè)字符分配標(biāo)記完成命名實(shí)體識別任務(wù)。
　　

3、(3)對基于神經(jīng)網(wǎng)絡(luò)的片段級中文命名實(shí)體識別方法進(jìn)行了探索性研究。由于中文句子中的單詞間沒有分隔符號，中文命名實(shí)體識別需要對給定的中文序列進(jìn)行切分和實(shí)體分類。相比于對字符分配標(biāo)記的方法，對切分片段整體分配標(biāo)記更為合理，可以避免字符序列化標(biāo)注方法中由局部標(biāo)記區(qū)分實(shí)體邊界的不足。本文首次提出了基于神經(jīng)網(wǎng)絡(luò)的片段級中文命名實(shí)體識別方法，采用兩種基于神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)，將神經(jīng)網(wǎng)絡(luò)與半馬爾可夫條件隨機(jī)場模型相結(jié)合，通過對切分片段整體分配標(biāo)記完成中