CAp 2017 NER挑战中的Synapse系统：Fasttext CRF
计算与语言
2017-09-15 v1
摘要
我们介绍用于CAp 2017 NER挑战（关于法语推文的命名实体识别）的系统。我们的系统利用在更大型法语推文数据集上的无监督学习来学习特征，输入给一个CRF模型。它在未使用任何地名词典或结构化外部数据的情况下排名第一，F值为58.89%。据我们所知，它是首个将fasttext嵌入（包含子词表示）和基于嵌入的句子表示用于NER的系统。
引用
@article{arxiv.1709.04820,
title = {Synapse at CAp 2017 NER challenge: Fasttext CRF},
author = {Damien Sileo and Camille Pradel and Philippe Muller and Tim Van de Cruys},
journal= {arXiv preprint arXiv:1709.04820},
year = {2017}
}