公开(公告)号：CN111310470B

公开(公告)日：2021-11-19

申请号：CN202010053878.7

申请日：2020-01-17

Applicant: 西安交通大学

Inventor： 桂小林 ,  许杏杏

IPC: G06F40/295

Abstract: 本发明公开了一种融合字词特征的中文命名实体识别方法，通过拼接字向量xc、位置向量xs和词的映射向量xw构建特征表示层，作为模型的输入向量xemb；将输入向量xemb输入BiLSTM，得到当前时刻的上下文特征向量对该特征向量执行非线性转换，输出待解码的得分信息P；将得分信息P输入CRF层，同时引入转移得分矩阵A，CRF根据序列的全局标签概率p(y|x)选择全局最优的标签序列，输出序列标注结果y1,y2,...,yn，完成中文命名实体识别。本发明通过综合分析后得到的结果数据加强了模型对文本的理解，提高了模型识别任务中的F1值。

公开(公告)号：CN111310470A

公开(公告)日：2020-06-19

申请号：CN202010053878.7

申请日：2020-01-17

Applicant: 西安交通大学

Inventor： 桂小林 ,  许杏杏

IPC: G06F40/295

Abstract: 本发明公开了一种融合字词特征的中文命名实体识别方法，通过拼接字向量xc、位置向量xs和词的映射向量xw构建特征表示层，作为模型的输入向量xemb；将输入向量xemb输入BiLSTM，得到当前时刻的上下文特征向量 对该特征向量执行非线性转换，输出待解码的得分信息P；将得分信息P输入CRF层，同时引入转移得分矩阵A，CRF根据序列的全局标签概率p(y|x)选择全局最优的标签序列，输出序列标注结果y1,y2,...,yn，完成中文命名实体识别。本发明通过综合分析后得到的结果数据加强了模型对文本的理解，提高了模型识别任务中的F1值。