-
题名基于不确定片段的检索增强命名实体识别框架
被引量：3
- 1
-
-
作者
耿志超
颜航
邱锡鹏
印张悦
-
机构
复旦大学计算机学院
-
出处
《中文信息学报》
CSCD
北大核心
2023年第7期71-81,共11页
-
基金
科技创新2030-“新一代人工智能”重大项目(2020AAA0108702)
国家自然科学基金(62022027)。
-
文摘
在中文命名实体识别领域,过去的工作侧重于通过外部词典来引入边界信息,从而在推理过程中能够处理未登录词。然而,现有方法使用基于统计的分词工具自动生成词典,分词质量较低,错误的分词结果为推理过程引入较多噪声,且更新词典意味着重新训练模型,代价高昂,这为使用通用文本知识提供了动机。该文提出了基于不确定片段的检索增强命名实体识别框架。该框架识别输入文本中模型不确定程度最高的实体级别文本片段,并基于不确定文本片段从外部知识库中进行检索,从而有效地获得相关的知识文本以消除输入样本的歧义。此外,该文提出知识融合模型,结合检索到的知识文本对不确定的样本进行推理。该文在四个公开基准数据集中进行实验,结果表明,该框架显著提高模型性能,F_1值较基准模型平均提高1.21%。
-
关键词
命名实体识别
检索方法
神经网络不确定性
-
Keywords
named entity recognition
retrieval method
neural network uncertainty
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
