基于自注意力和Lattice-LSTM的军事命名实体识别

摘要：

军事命名实体识别能够为情报分析、指挥决策等环节提供自动化辅助支持,是提升指挥信息系统智能化程度的关键技术手段.由于中文文化和英文文化的不同,中国语言文字中实体识别第1步是对文章字句进行分词,分词的不准确则会直接造成命名实体识别上的精度损失.此外,一段字句中命名实体的识别是与上下文信息相关的,不同字词对实体识别的贡献度不一定是正向的,多余的字词信息只会对命名实体识别起到负面作用.针对上述挑战,提出了Lattice长短时记忆神经网络(LSTM)结合自注意力机制(self-attention)的融合网络模型.Lattice-LSTM结构可以实现对字句中特殊字词的识别,并将深层的字词信息聚合到基于字符的LSTM-CRF模型中.Self-attention结构可以发现同一句子中词之间的关系特征或语义特征.使用人工标注的小规模样本集进行实验,结果表明该模型相较于几种基线模型取得了更理想的效果.

关键词：命名实体识别;Lattice;自注意力

所属期刊栏目：43

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金61922088

在线出版日期：2021-10-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1848-1855