基于棋盘空间的中文命名实体识别研究

摘要：

命名实体识别NER是自然语言处理NLP领域中重要的基础任务之一.BIOE序列标注一般采用间接标注实体的方法,难以解决实体嵌套的问题;实体位置和实体类别两阶段的识别存在误差传播问题.针对该问题,根据实体在文中始末位置2个维度构建棋盘,再结合类别维度构建三维棋盘空间来标注实体,棋盘空间中的一个标注点即代表一个实体,是一种在高维空间直接标注实体的方法.该文在预训练模型BERT/NEZHA的基础上设计了一种NER模型,在CLUENER2020数据集上进行试验,棋盘空间标注的NER的F1指标分别为80.43和80.71,相比于BERT-CRF等模型略有提升,表明该标注方法和模型具备可行性和先进性.

关键词：命名实体识别NER;自然语言处理NLP;棋盘空间;预训练模型;CLUENER数据集

分类号：TP391(计算技术、计算机技术)

在线出版日期：2021-08-13（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：21-25