基于音节的缅甸语神经网络命名实体识别
计算与语言
2019-03-13 v1
摘要
缅甸语命名实体识别（NER）对缅甸语自然语言处理研究至关重要。本文将缅甸语 NER 视为序列标注问题，并研究了深度神经网络在缅甸语 NER 上的有效性。实验通过在音节级缅甸语上下文上应用深度神经网络架构进行。我们还构建并提出了首个人工标注的缅甸语 NER 语料库。在开发内部 NER 语料库时，使用了来自在线新闻网站的句子以及 ALT-Parallel-Corpus 提供的句子。该 ALT 语料库是东盟 IVO 下亚洲语言树库（ALT）项目的一部分。本文贡献了首个针对缅甸语 NER 任务的神经网络模型评测。实验结果表明，相较于基线 CRF 模型，这些神经序列模型能取得有前景的结果。在这些神经架构中，叠加 CRF 层的双向 LSTM 网络给出了最高的 F 值。本工作也旨在揭示神经网络方法对缅甸语文本处理的有效性，并推动这一研究不足语言的进一步研究。
引用
@article{arxiv.1903.04739,
title = {Syllable-based Neural Named Entity Recognition for Myanmar Language},
author = {Hsu Myat Mo and Khin Mar Soe},
journal= {arXiv preprint arXiv:1903.04739},
year = {2019}
}
备注
Myanmar NER