基于改进的Transformer编码器的中文命名实体识别
Chinese NER based on improved Transformer encoder作者机构:信息工程大学河南郑州450002
出 版 物:《网络与信息安全学报》 (Chinese Journal of Network and Information Security)
年 卷 期:2021年第7卷第5期
页 面:105-112页
学科分类:08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然基金青年基金(62002384) 国家重点研发计划(2016QY03D0502) 郑州市协同创新重大专项(162/32410218)。
主 题:中文命名实体识别 Transformer编码器 相对位置信息
摘 要:为了提高中文命名实体识别的效果,提出了基于XLNET-Transformer_P-CRF模型的方法,该方法使用了Transformer_P编码器,改进了传统Transformer编码器不能获取相对位置信息的缺点。实验结果表明,XLNET-Transformer_P-CRF模型在MSRA、OntoNotes4.0、Resume、微博数据集4类数据集上分别达到95.11%、80.54%、96.70%、71.46%的F1值,均高于中文命名实体识别的主流模型。