计算机工程与科学

作者：田红鹏, 吴璟玮

单位：西安科技大学计算机科学与技术学院，陕西 西安 710600

关键词：中文命名实体识别,双仿射模型,迭代膨胀卷积神经网络,预训练模型,跨度,

命名实体识别是自然语言处理领域中诸多下游任务的重要基础。汉语作为重要的国际语言，在许多方面具有独特性。传统上，中文命名实体识别任务模型使用序列标记机制，该机制需要条件随机场捕获标签的依赖性，然而，这种方法容易出现标签的错误分类。针对这个问题，提出基于跨度的命名实体识别模型RIB-NER。首先，以RoBERTa-wwm-ext作为模型嵌入层，提供字符级嵌入，以获得更多的上下文语义信息和词汇信息。其次，利用IDCNN的并行卷积核来增强词之间的位置信息，从而使词与词之间联系更加紧密。同时，在模型中融合BiLSTM网络来获取上下文信息。最后，采用双仿射模型对句子中的开始标记和结束标记评分，使用这些标记探索跨度。在MSRA和Weibo 2个语料库上的实验结果表明，RIB-NER能够较为准确地识别实体边界，并分别获得了95.11%和73.94%的F1值。与传统深度学习相比，有更好的识别效果。

来源：2024年第7期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第7期