一种融合形态句法信息的 LSTM-CRF 命名实体识别模型
计算与语言
2019-08-28 v1
摘要
我们提出了一种基于 LSTM-CRF 架构、融合形态信息的命名实体识别模型，该模型结合了词嵌入、双向 LSTM 字符嵌入、词性（POS）标签以及形态信息。此前的工作仅关注从原始词输入中学习，仅使用词与字符嵌入，而我们表明，对于保加利亚语等形态丰富的语言，获取 POS 信息比详细的形态信息对性能提升贡献更大。因此，我们表明命名实体识别仅需粗粒度 POS 标签，但同时可从同时使用不同粒度的某些 POS 信息中获益。我们在标准数据集上的评估结果相对于保加利亚语 NER 的最优方法（state-of-the-art）取得了可观的提升。
引用
@article{arxiv.1908.10261,
title = {A Morpho-Syntactically Informed LSTM-CRF Model for Named Entity Recognition},
author = {Lilia Simeonova and Kiril Simov and Petya Osenova and Preslav Nakov},
journal= {arXiv preprint arXiv:1908.10261},
year = {2019}
}
备注
named entity recognition; Bulgarian NER; morphology; morpho-syntax