命名实体序列分类
神经与进化计算
2017-12-07 v1 人工智能
信息检索
摘要
命名实体识别（NER）旨在定位并分类文本中的命名实体。在 NER 的一些应用场景中，包括将检测到的命名实体用于生成内容推荐时，为检测到的命名实体提供可靠的置信度水平至关重要。在本工作中，我们研究为检测到的命名实体寻找置信度水平的问题。我们将此问题称为命名实体序列分类（NESC）。我们将 NESC 构建为一个二分类问题，并使用 NER 以及循环神经网络来求得候选命名实体为真实命名实体的概率。我们将该方法应用于推文（Tweet）文本，并展示了如何从中找出具有高置信度水平的命名实体。
引用
@article{arxiv.1712.02316,
title = {Named Entity Sequence Classification},
author = {Mahdi Namazifar},
journal= {arXiv preprint arXiv:1712.02316},
year = {2017}
}