面向越南语命名实体识别的端到端循环神经网络模型：词级与字符级
计算与语言
2017-07-24 v3
摘要
本文展示了用于越南语命名实体识别的端到端神经网络架构。我们最佳的模型是双向长短期记忆网络(Bi-LSTM)、卷积神经网络(CNN)与条件随机场(CRF)的组合，使用预训练词嵌入作为输入，在标准测试集上取得了 88.59% 的 F1 分数。我们的系统能够在不使用任何句法或手工设计特征的情况下，取得与 VLSP 活动排名第一系统相当的性能。我们还就常见深度学习模型在越南语 NER 上的应用进行了广泛的实证研究，涵盖词级与字符级。
引用
@article{arxiv.1705.04044,
title = {End-to-end Recurrent Neural Network Models for Vietnamese Named Entity Recognition: Word-level vs. Character-level},
author = {Thai-Hoang Pham and Phuong Le-Hong},
journal= {arXiv preprint arXiv:1705.04044},
year = {2017}
}
备注
14 pages, 5 figures, 7 tables, accepted to PACLING 2017, fix CRF formular