文献类型：期刊文章

作　　者：冯艳红[1,2] 于红[1,2] 孙庚[1,2] 孙娟娟[1]

机构地区：[1]大连海洋大学信息工程学院,大连116023 [2]大连海洋大学辽宁省海洋信息技术重点实验室,大连116023

出　　处：《计算机科学》

基　　金：大连市科技计划项目海洋渔业大数据管理与集成关键技术研究(2015A11GX022)资助

年　　份：2018

卷　　号：45

期　　号：2

起止页码：261-268

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：传统的命名实体识别方法直接依靠大量的人工特征和专门的领域知识,解决了监督学习语料不足的问题,但设计人工特征和获取领域知识的代价昂贵。针对该问题,提出一种基于BLSTM(Bidirectional Long Short-Term Memory)的神经网络结构的命名实体识别方法。该方法不再直接依赖于人工特征和领域知识,而是利用基于上下文的词向量和基于字的词向量,前者表达命名实体的上下文信息,后者表达构成命名实体的前缀、后缀和领域信息;同时,利用标注序列中标签之间的相关性对BLSTM的代价函数进行约束,并将领域知识嵌入模型的代价函数中,进一步增强模型的识别能力。实验表明,所提方法的识别效果优于传统方法。

关 键 词：BLSTM  命名实体  词向量  代价函数

分 类 号：TP183]