基于神經網絡的中文命名實體識別研究.pdf

1、命名實體識別任務是指從文本中識別出人名、地名和機構名等專有名詞，是自然語言處理的關鍵技術之一，也是信息抽取、問答系統(tǒng)、機器翻譯等應用的重要基礎性工作。傳統(tǒng)的基于統(tǒng)計學習模型的命名實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，但是特征模板的設計需要大量人工參與和專家知識。為了減弱系統(tǒng)對人工特征設計的依賴，本文采用深度學習方法，結合中文命名實體識別任務的特點，研究基于神經網絡的中文命名實體識別方法。本文的主要工作如下:
　　

2、(1)圍繞命名實體識別任務和深度學習方法，討論與分析了任務難點、常用的命名實體識別研究方法、深度學習方法基礎、詞向量以及常用的神經網絡模型。
　　(2)基于神經網絡的字符標注方式實現了一個中文命名實體識別的基線(baseline)系統(tǒng)。該方法采用雙向長短期記憶模型，將中文命名實體識別任務看作一個序列標注問題，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字符分配標記完成命名實體識別任務。
　　

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