基于语义增强的社交媒体文本命名实体识别

现有命名实体识别方法在短小且非正式的文本（尤其是用户生成的社交媒体内容）上应用时，面临数据稀疏问题。语义增强是缓解该问题的一种潜在途径。鉴于丰富的语义信息被隐式保留在预训练词嵌入中，它们是语义增强的潜在理想资源。在本文中，我们提出一种基于神经网络的社交媒体文本命名实体识别方法，该方法同时考虑了来自运行文本的局部语义与增强语义。具体而言，我们从大规模语料中获取增强语义信息，并提出一个注意力语义增强模块与一个门控模块，分别用于编码与聚合此类信息。我们在来自中英文社交媒体平台的三个基准数据集上进行了充分实验，结果表明我们的方法在所有三个数据集上均优于以往研究。