山东大学学报(工学版)

作者：宋佳芮,陈艳平,王凯,黄瑞章,秦永彬

单位：1.公共大数据国家重点实验室, 贵州 贵阳 550025;2.贵州大学计算机科学与技术学院, 贵州 贵阳 550025

关键词：命名实体识别,语义补充,注意力机制,特征融合,深度学习,

基金：国家自然科学基金资助项目(62166007)

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。

来源：2023年第2期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2023年第2期