基于机器阅读理解的中文命名实体识别方法

作     者：刘奕洋 余正涛 高盛祥 郭军军 张亚飞 聂冰鸽 LIU Yiyang;YU Zhengtao;GAO Shengxiang;GUO Junjun;ZHANG Yafei;NIE Bingge

作者机构：昆明理工大学信息工程与自动化学院昆明650504 昆明理工大学云南省人工智能重点实验室昆明650504 

出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)

年 卷 期：2020年第33卷第7期

页      面：653-659页

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：国家重点研发计划项目(No.2018YFC0830105,2018YFC0830101,2018YFC0830100) 国家自然科学基金项目(No.61762056,61866020,61761026,61972186)资助 

主　　题：命名实体识别(NER) 阅读理解 神经网络 双向Transformer编码器(BERT) 

摘      要：针对现有命名实体识别方法主要考虑单个句子内的上下文信息,很少考虑文档级上下文影响的问题,文中提出基于机器阅读理解的中文命名实体识别方法,利用阅读理解思想,充分挖掘文档级的上下文特征,支撑实体识别.首先,针对每类实体,将实体识别任务转化为问答任务,构建问题、文本及实体答案三元组.然后,将三元组信息通过双向Transformer编码器进行预训练,再通过卷积神经网络捕捉文档级文本上下文信息.最后通过二进制分类器实现实体答案预测.在MSRA、人民日报公开数据集和自建数据集上的命名实体识别对比实验表明,文中方法性能较优,阅读理解思想对实体识别具有较好的作用.