计算机应用

作者：左亚尧, 陈皓宇, 陈致然, 洪嘉伟, 陈坤

单位：广东工业大学 计算机学院，广州 510006

关键词：命名实体识别,序列标注,自注意力机制,图卷积网络,双向长短时记忆网络

基金：广东省自然科学基金资助项目(（501190013）)

针对语言普遍存在的字符间非线性关系，为捕获更丰富的语义特征，提出了一种基于图卷积神经网络（GCN）和自注意力机制的命名实体识别（NER）方法。首先，借助深度学习方法有效提取字符特征的能力，采用GCN学习字符间的全局语义特征，并且采用双向长短时记忆网络（BiLSTM）提取字符的上下文依赖特征；其次，融合以上特征并引入自注意力机制计算其内部重要度；最后，使用条件随机场（CRF）从融合特征中解码出最优的编码序列，并以此作为实体识别的结果。实验结果表明，与单一采用BiLSTM和CRF的方法相比，所提方法在微软亚洲研究院（MSRA）数据集和BioNLP/NLPBA 2004数据集上的精确率分别至少提高了2.39%和15.2%。可见该方法在中文和英文数据集上都具备良好的序列标注能力，且泛化能力较强。

来源：2022年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第7期