基于主动MCNN-SCRF的新能源汽车命名实体识别

摘要：

新能源汽车命名实体存在实体边界模糊,多为未登录词,现存标注样本较少等问题,识别精确率和召回率较低.据此,提出了一种基于多通道神经网络(Multiple Channel Neural Network,MCNN)的新能源汽车实体识别模型,该模型融合了字词特征和片段特征,不再将实体识别当作传统的序列标注任务,利用半马尔科夫条件随机场(Semi-Markov CRF,SCRF)针对片段特征建模,对输入的句子切分片段并对片段整体分配标记,同时完成实体边界的识别和实体分类,弥补了传统字词序列标注模型采用局部标记区分实体边界的不足.为解决现存标注样本较少的问题,在训练模型的过程中,引入了一种基于不确定性和相似度相结合的主动学习(Active Learning,AL).通过多组对比实验表明,该模型在大幅度减少人工标注量的同时,能够提高识别精确率和召回率.

关键词：新能源汽车命名实体识别、深度学习、半马尔可夫条件随机场、片段特征、主动学习

所属期刊栏目：55

分类号：TP391(计算技术、计算机技术)

资助基金：河北省科技厅互联网的创新软件设计及公共应用服务平台项目15240118D

在线出版日期：2019-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：23-29