CAN-NER：用于中文命名实体识别的卷积注意力网络
计算与语言
2020-07-16 v3
摘要
中文命名实体识别（NER）至关重要但困难，因为缺乏自然分隔符。因此，中文分词（CWS）通常被视为中文 NER 的第一步。然而，基于词级嵌入与词典特征的模型常受分词错误与未登录词（OOV）困扰。本文研究一种称为 CAN 的卷积注意力网络用于中文 NER，其由带局部注意力层的基于字符的卷积神经网络（CNN）与带全局自注意力层的门控循环单元（GRU）组成，以从相邻字符与句子上下文中捕获信息。此外，相较于其他模型，不依赖词典等外部资源并使用小尺寸字符嵌入使我们的模型更实用。大量实验结果表明，在包括微博、MSRA 与中文简历 NER 数据集的不同领域数据集上，我们的方法在无词嵌入与外部词典资源情况下优于最先进方法。
引用
@article{arxiv.1904.02141,
title = {CAN-NER: Convolutional Attention Network for Chinese Named Entity Recognition},
author = {Yuying Zhu and Guoxin Wang and Börje F. Karlsson},
journal= {arXiv preprint arXiv:1904.02141},
year = {2020}
}
备注
This paper is accepted by NAACL-HLT 2019. The code is available at https://github.com/microsoft/vert-papers/tree/master/papers/CAN-NER