深度学习中文命名实体识别研究进展

作     者：李莉 奚雪峰 盛胜利 崔志明 徐家保 LI Li;XI Xuefeng;SHENG Shengli;CUI Zhiming;XU Jiabao

作者机构：苏州科技大学电子与信息工程学院江苏苏州215000 苏州市虚拟现实智能交互应用技术重点实验室江苏苏州215000 苏州科技大学智慧城市研究院江苏苏州215000 德州理工大学美国德克萨斯州拉伯克市79401 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2023年第59卷第24期

页      面：46-69页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081203[工学-计算机应用技术] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61876217,62176175) 江苏省“六大人才高峰”高层次人才项目(XYDXX-086) 苏州市科技计划项目(SGC2021078) 

主　　题：中文命名实体识别 深度学习 实体边界 中文嵌套命名实体识别 低资源中文命名实体识别 

摘      要：中文命名实体识别(CNER)指识别中文文本中具有特定意义的实体,是自然语言处理诸多下游任务的重要基石。近年来,深度学习技术依托其端到端的方法,自动学习到更深层次和更抽象的数据特征,摆脱了人工标注的依赖,解决了高维特征空间的数据稀疏问题,从而逐渐成为中文命名实体识别方法的主流。回顾了命名实体识别的发展进程和CNER的特殊性和难点;围绕着中文命名实体识别的不同处理特点,将基于深度学习的中文命名实体识别的方法分类为扁平实体边界问题、中文嵌套命名实体识别和CNER小样本问题处理三个领域,并具体阐述这三类领域的模型、细分领域和最近的研究进展并整理了部分典型深度学习方法在相关数据集上的实验结果;再次总结了中文命名实体识别任务的常用数据集和评估方法;指出了当前中文命名实体识别技术面临的挑战和未来的研究方向。