GTR-NNER:一种融合单词多元信息的嵌套命名实体识别方法

作     者：余肖生 黄莺 张云涛 陈鹏 

作者机构：湖北省水电工程智能视觉监测重点实验室 三峡大学计算机与信息学院 

出 版 物：《数据分析与知识发现》 (Data Analysis and Knowledge Discovery)

年 卷 期：2024年

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研究发展计划资助项目(城镇安全风险评估与应急保障技术研究)(项目编号:2016YFC0802500)的研究成果之一 

主　　题：嵌套命名实体识别 单词多元信息 图卷积网络 

摘      要：[目的]针对英文文本中存在多重嵌套和实体语义不明确的问题，提出一种融合单词多元信息的嵌套命名实体识别方法——GTR-NNER。[方法]基于三仿射注意力引导的图卷积网络模块融合单词信息、单词位置信息、单词边界信息、单词标签信息以及语法信息，根据得到的详细信息实现对实体的识别。[结果]GTR-NNER在两个嵌套数据集上进行十折交叉验证，得到的平均F1值分别为84.381%和91.438%。同时，在两个非完全嵌套数据集GENIA和ACE2005上的F1值分别为82.19%和89.27%。[局限]通过融合单词的多元信息发现模型的收敛速度变慢。[结论]在命名实体识别模型中结合单词的多元信息能够提高嵌套实体识别的效果，且实验结果证明本文融合单词多元信息的方法是有效的。