利用汉字字形进行命名实体识别
计算与语言
2020-02-13 v2 人工智能
信息检索
机器学习
摘要
大多数命名实体识别（NER）系统使用额外特征，如词性（POS）标签、浅层句法分析、地名词典等。此类信息需要外部知识，如未标注文本和训练好的标注器。将这些特征加入 NER 系统已被证明具有积极作用。然而，有时创建地名词典或标注器可能耗费大量时间，并可能需要广泛的数据清洗。在本文中，针对中文 NER 系统，我们不使用这些传统特征，而是使用汉字的字形特征。汉字由称为部首的图形部件组成，这些部件常有某些语义指示。我们提出基于 CNN 的模型，将此类语义信息整合并用于 NER。我们的模型相比基线 BERT-BiLSTM-CRF 模型有所提升。我们在中文 OntoNotes v5.0 上设定了新的基线分数，并显示出 +.64 F1 分数的提升。我们在 Weibo 数据集上给出了 71.81 的当前最优 F1 分数，并在 ResumeNER 数据集上相比基线显示出 +0.72 的竞争性提升。
引用
@article{arxiv.1909.09922,
title = {Using Chinese Glyphs for Named Entity Recognition},
author = {Arijit Sehanobish and Chan Hee Song},
journal= {arXiv preprint arXiv:1909.09922},
year = {2020}
}
备注
Extended abstract accepted to AAAI-2020, student track