一种基于改进ELMO模型的组织机构名识别方法

摘要：

组织机构名识别是命名实体识别的核心任务之一,也是最困难的任务.近年来,预训练模型在中文自然语言处理领域得到广泛应用,预训练的词嵌入模型在中文命名实体识别上取得了非常好的效果,但是在组织机构名识别上还有很大的提升空间.针对这一问题,改进ELMO(embedding from language models)预训练模型,结合双向LSTM神经网络模型和条件随机场模型,去识别组织机构名.对于ELMO的改进,主要通过筛选高频机构词,然后将高频机构词加入中文字典,通过ELMO模型训练生成机构词向量和普通字向量.字向量不用考虑未登录词的问题,机构词向量引入了先验知识,结合起来可以使得生成的字词向量能够更好地表征组织机构名.实验结果表明,预训练模型的数据集相对较小时,该方法比字向量嵌入的方法有更好的效果,F1值提高了1.3％.

关键词：ELMO模型、LSTM模型、机构词、条件随机场、组织机构名识别

所属期刊栏目：30

分类号：TP301.6(计算技术、计算机技术)

资助基金：河南省高校重点科研项目18B510014

在线出版日期：2020-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：25-29