用于中文社交媒体命名实体识别的F-score驱动最大间隔神经网络
计算与语言
2017-04-12 v2
摘要
我们关注中文社交媒体的命名实体识别（NER）。面对海量无标注文本与相当有限的标注语料，我们提出一种基于B-LSTM神经网络的半监督学习模型。为利用NER中如条件随机场（CRF）等传统方法的优势，我们在模型中将转移概率与深度学习结合。为弥合NER标签准确率与F-score之间的差距，我们构建了一个可直接在F-score上训练的模型。考虑到F-score驱动方法的不稳定性以及标签准确率提供的有意义信息，我们提出一种在F-score与标签准确率上同时训练的集成方法。我们的集成模型相较先前state-of-the-art结果取得了7.44\%的提升。
引用
@article{arxiv.1611.04234,
title = {F-Score Driven Max Margin Neural Network for Named Entity Recognition in Chinese Social Media},
author = {Hangfeng He and Xu Sun},
journal= {arXiv preprint arXiv:1611.04234},
year = {2017}
}