基于Affix-Attention的命名实体识别语义补充方法

作     者：宋佳芮 陈艳平 王凯 黄瑞章 秦永彬 SONG Jiarui;CHEN Yanping;WANG Kai;HUANG Ruizhang;QIN Yongbin

作者机构：公共大数据国家重点实验室贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025 

基　　金：国家自然科学基金资助项目(62166007) 

出 版 物：《山东大学学报（工学版）》 (Journal of Shandong University（Engineering Science）)

年 卷 期：2023年第53卷第2期

页      码：70-76页

摘      要：针对现有命名实体识别方法存在的语义信息获取不全面问题,提出基于Affix-Attention的命名实体识别语义补充方法。将句子和句子中每个单词对应的词缀输入到编码层,使用Bi-LSTM提取上下文特征。在编码层设计特征融合模块、建模文本特征与词缀特征的对应关系,使用Affix-Attention同时关注文本信息和词缀信息进行语义补充。解码层使用CRF层得到目标序列。在生物医学领域的JNLPBA-2004和BC2GM基准数据集上的试验结果综合评价指标F1达到81.73%、84.73%;在公共数据集CONLL-2003中试验结果综合评价指标F1达到91.35%。试验结果表明,本研究方法能够有效获取词的内部语义特征,融合文本信息和词缀信息,达到语义补充的效果,提升命名实体识别的性能。

主 题 词：命名实体识别 语义补充 注意力机制 特征融合 深度学习 

学科分类：08[工学] 081202[081202] 0812[工学-测绘类] 

核心收录：

D　O　I：10.6040/j.issn.1672-3961.0.2022.086

馆 藏 号：203121303...