基于CNN-LSTM-CRF与分词联合训练的神经中文命名实体识别
计算与语言
2019-05-07 v1 机器学习
机器学习
摘要
中文命名实体识别（CNER）是中文自然语言处理领域的一项重要任务。然而，由于中文实体名高度依赖上下文，CNER极具挑战性。此外，中文文本缺乏词分隔符，难以确定实体边界。再者，许多领域的CNER训练数据通常不足，且标注足够训练数据成本高、耗时久。本文提出一种用于CNER的神经方法。首先，我们引入CNN-LSTM-CRF神经架构以捕获CNER的局部与长距离上下文。其次，我们提出统一框架联合训练CNER与分词模型，以增强CNER模型识别实体边界的能力。第三，我们引入一种从已有标注数据自动生成伪标注样本的方法，可丰富训练数据。在两个基准数据集上的实验表明，我们的方法能有效提升中文命名实体识别性能，尤其在训练数据不足时。
引用
@article{arxiv.1905.01964,
title = {Neural Chinese Named Entity Recognition via CNN-LSTM-CRF and Joint Training with Word Segmentation},
author = {Fangzhao Wu and Junxin Liu and Chuhan Wu and Yongfeng Huang and Xing Xie},
journal= {arXiv preprint arXiv:1905.01964},
year = {2019}
}
备注
7 pages, 3 figures, accepted by the 2019 World Wide Web Conference (WWW'19)