使用 BiLSTM-CRF 识别中文司法命名实体
计算与语言
2020-12-30 v1 机器学习
摘要
命名实体识别(NER)在自然语言处理系统中起着至关重要的作用。司法 NER 是司法信息检索、实体关系抽取和知识图谱构建的基础组件。然而,由于中文的特点以及司法领域对高准确性的要求,中文司法 NER 仍然更具挑战性。因此,在本文中,我们提出了一种基于深度学习的方法 BiLSTM-CRF,其由双向长短期记忆(BiLSTM)和条件随机场(CRF)组成。为了进一步提升准确性,我们提出使用自适应矩估计(Adam)来优化模型。为验证我们的方法,我们在中国裁判文书网获取的包括减刑、假释和暂予监外执行在内的裁判文书上进行了实验。实验结果取得了 0.876 的准确率、0.856 的召回率和 0.855 的 F1 分数,表明了所提出的带 Adam 优化器的 BiLSTM-CRF 的优越性。
引用
@article{arxiv.2006.00464,
title = {Recognizing Chinese Judicial Named Entity using BiLSTM-CRF},
author = {Pin Tang and Pinli Yang and Yuang Shi and Yi Zhou and Feng Lin and Yan Wang},
journal= {arXiv preprint arXiv:2006.00464},
year = {2020}
}