文献类型：期刊文章

作　　者：刘宇鹏[1] 栗冬冬[1]

LIU Yu-peng;LI Dong-dong(School of Software and Microelectronics,Harbin University of Science and Technology,Harbin 150080,China)

机构地区：[1]哈尔滨理工大学软件与微电子学院,哈尔滨150080

出　　处：《哈尔滨理工大学学报》

基　　金：国家自然科学基金(61300115)。

年　　份：2020

卷　　号：25

期　　号：1

起止页码：115-120

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、DOAJ、JST、RCCSE、ZGKJHX、核心刊

摘　　要：传统的命名实体识别方法依赖大量的人工选择的特征和专业领域的外部知识,针对这一问题,提出了一种新颖的神经网络结构,该算法结合了双向LSTM,CNN和CRF可以同时自动获取到基于字符级别和词语级别的表示,是一种真正意义上的端到端的结构,不再需要人工选择特征和数据的预处理,可以应用到各个领域的命名实体识别任务中去。最后,通过实验证明该算法在医疗领域和新闻领域的F1值分别达到了90.97%和92.19%。

关 键 词：命名实体识别 长短期记忆网络  卷积神经网络  条件随机场

分 类 号：TP391.1]