Neural Chinese Named Entity Recognition via CNN-LSTM-CRF and Joint Training with Word Segmentation

电玩女神 2024-04-19 11:45 72阅读 0赞

#### Neural Chinese Named Entity Recognition via CNN-LSTM-CRF and Joint Training with Word Segmentation ####

#### 概述 ####

中文与英文相比，词之间没有明显的分隔符，所以很难确定实体的边界，另外中文命名实体识别任务的标注语料也很少。所以文章中作者提出了CNN-LSTM-CRF架构去获得**短距离和长距离的内容依赖**。同时为了提高识别实体边界的准确率，作者提出命名实体识别任务和分词任务联合学习。由于中文命名实体识别的语料较少，作者利用相同实体类型替换的方法，扩增语料。

#### 总体框架图 ####

![format_png][]  
相比于传统的BiLSTM-CRF开始端加入了CNN,提取短距离特征，并且CNN的输出作为分词任务的输入，达到命名实体识别任务和分词任务联合学习的效果，有效得提高了命名实体识别的准确率

#### 扩增语料 ####

作者提出从预先标注的语料中，产生伪语料，用于扩展语料，提高模型效果，具体

<table> 
 <thead> 
  <tr> 
   <th>李刚</th> 
   <th>刚</th> 
   <th>在</th> 
   <th>阿</th> 
   <th>里</th> 
   <th>工</th> 
   <th>作</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>B-PER</td> 
   <td>I-PER</td> 
   <td>O</td> 
   <td>B-ORG</td> 
   <td>I-ORG</td> 
   <td>O</td> 
   <td>O</td> 
  </tr> 
 </tbody> 
</table>

可以用相同类型的实体进行替换，替换后符合语义合理，符合规范。

<table> 
 <thead> 
  <tr> 
   <th>王</th> 
   <th>小</th> 
   <th>超</th> 
   <th>在</th> 
   <th>谷</th> 
   <th>歌</th> 
   <th>工</th> 
   <th>作</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>B-PER</td> 
   <td>I-PER</td> 
   <td>I-PER</td> 
   <td>O</td> 
   <td>B-ORG</td> 
   <td>I-ORG</td> 
   <td>O</td> 
   <td>O</td> 
  </tr> 
 </tbody> 
</table>

打标签的时候，进行相应的替换就可以。

[format_png]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9waWMxLnpoaW1nLmNvbS84MC92Mi02Yzc2ZGFhNmU3Yzg5N2Q0ZjQwZTRlMTlhZGJkOTA3MF9oZC5qcGc?x-oss-process=image/format,png

发表评论取消回复

表情：

评论列表（有 0 条评论，72人围观）

还没有评论，来说两句吧...

相关阅读

相关 Neural Chinese Named Entity Recognition via CNN-LSTM-CRF and Joint Training with Word Segmentation

Neural Chinese Named Entity Recognition via CNN-LSTM-CRF and Joint Training with Word...

电玩女神/ 2024年04月19日 11:45/ 0 赞/ 72 阅读

相关 Adversarial Transfer Learning for Chinese Named Entity Recognition with Self-Attention Mechanism

Adversarial Transfer Learning for Chinese Named Entity Recognition with Self-Attentio...

淩亂°似流年/ 2024年04月19日 11:41/ 0 赞/ 60 阅读

相关 Attention in Character-Based BiLSTM-CRF for Chinese Named Entity Recognition

Attention in Character-Based BiLSTM-CRF for Chinese Named Entity Recognition 概述 ...

心已赠人/ 2024年04月18日 16:50/ 0 赞/ 63 阅读

相关【论文阅读】Joint Entity and Relation Extraction with Set Prediction Networks

> 作者提供的代码链接404了，[https://github.com/DianboWork/SPN4RE][https_github.com_DianboWork_SPN4R

r囧r小猫/ 2023年01月07日 07:21/ 0 赞/ 169 阅读

相关《Character-Based LSTM-CRF with Radical-Level Features for Chinese Named Entity Recognition》论文解读

BILSTM+CRF 命名实体识别关键技术调研实现系统的核心思想和算法描述数据集核心思想及算法描述系统主要模型流程

淩亂°似流年/ 2022年12月10日 04:51/ 0 赞/ 151 阅读

相关论文阅读《TriggerNER: Learning with Entity Triggers as Explanations for Named Entity Recognition？》

0.总结 LawsonAbs 的个人笔记，请怀着批判思维阅读笔记主要从文章概括的角度出发，描述了一下整个框架持续更新 1.潦草笔记 ![在

àì夳堔傛蜴生んèń/ 2022年11月21日 11:37/ 0 赞/ 56 阅读

相关《Leverage Lexical Knowledge for Chinese Named Entity Recognition via》解读

@ 苹果树数据科技有限公司-AI部论文地址与代码地址 [代码地址][Link 1] [论文地址][Link 2] Abstract 词汇边界信息的缺失是高

旧城等待，/ 2022年10月27日 01:34/ 0 赞/ 123 阅读

相关论文阅读《Named Entity Recognition with Small Strongly Labeled and Large Weakly Labeled Data》

前言文章来源：LawsonAbs（CSDN）论文[地址][Link 1] 望各位读者审慎阅读。 -------------------- 这是一

冷不防/ 2022年10月09日 04:50/ 0 赞/ 170 阅读

相关使用Stanford Word Segmenter and Stanford Named Entity Recognizer (NER)实现中文命名实体识别

[http://nlp.stanford.edu/software/CRF-NER.shtml][http_nlp.stanford.edu_software_CRF-NER.

痛定思痛。/ 2022年06月02日 04:36/ 0 赞/ 211 阅读

相关 (2020)Deep Joint Entity Disambiguation with Local Neural Attention论文笔记

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ub

红太狼/ 2021年05月12日 11:50/ 0 赞/ 383 阅读