命名實(shí)體識(shí)別是自然語(yǔ)言處理的一項(xiàng)基礎(chǔ)任務(wù),也是機(jī)器翻譯、智能問(wèn)答、知識(shí)圖譜等相關(guān)領(lǐng)域的底層技術(shù)。深度學(xué)習(xí)技術(shù)因其自動(dòng)高效的特征表達(dá)與分類(lèi)能力在命名實(shí)體識(shí)別任務(wù)中已取得巨大的進(jìn)展�，F(xiàn)有的深度學(xué)習(xí)命名實(shí)體識(shí)別方法大多為有監(jiān)督的訓(xùn)練方法,沒(méi)有利用無(wú)標(biāo)注數(shù)據(jù)來(lái)增強(qiáng)模型的泛化能力。因此,本文針對(duì)半監(jiān)督的命名實(shí)體識(shí)別方法進(jìn)行了研究。論文主要工作內(nèi)容如下:本文首先對(duì)中文和外文命名實(shí)體識(shí)別方法的研究現(xiàn)狀進(jìn)行了調(diào)研,分析和總結(jié)了基于統(tǒng)計(jì)和基于深度學(xué)習(xí)的命名實(shí)體識(shí)別方法原理,在總結(jié)了各方法優(yōu)缺點(diǎn)的基礎(chǔ)上,提出了一種半監(jiān)督的命名實(shí)體識(shí)別方法。利用大量的無(wú)標(biāo)注數(shù)據(jù)創(chuàng)建與有標(biāo)注數(shù)據(jù)的相似句來(lái)約束訓(xùn)練語(yǔ)料的標(biāo)注序列,減少了模型對(duì)有標(biāo)注數(shù)據(jù)的依賴(lài)。實(shí)驗(yàn)表明,創(chuàng)建的相似句可以有效的糾正訓(xùn)練語(yǔ)料的標(biāo)注序列。該模型在SIGHAN Bakeoff MSRA中文命名實(shí)體識(shí)別數(shù)據(jù)集中F1值取得了92.13%,與基線模型相比提高了0.41%。其次,為了使長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)更精確的提取句子較遠(yuǎn)的特征信息,提出了一種融合順序遺忘編碼結(jié)合循環(huán)神經(jīng)網(wǎng)絡(luò)的命名實(shí)體識(shí)別算法。將順序遺忘編碼的靜態(tài)編碼方式與循環(huán)神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)遺忘方式相結(jié)合,增強(qiáng)了... 

【文章來(lái)源】：沈陽(yáng)工業(yè)大學(xué)遼寧省

【文章頁(yè)數(shù)】：40 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 外文命名實(shí)體識(shí)別研究現(xiàn)狀
        1.2.2 中文命名實(shí)體識(shí)別研究現(xiàn)狀
        1.2.3 半監(jiān)督命名實(shí)體識(shí)別研究現(xiàn)狀
    1.3 研究?jī)?nèi)容及論文結(jié)構(gòu)
第2章 命名實(shí)體識(shí)別方法
    2.1 命名實(shí)體識(shí)別標(biāo)注策略
    2.2 基于統(tǒng)計(jì)的方法
        2.2.1 隱馬爾可夫模型
        2.2.2 條件隨機(jī)場(chǎng)
    2.3 Bi-LSTM-CRF模型
        2.3.1 詞向量
        2.3.2 LSTM
        2.3.3 Bi-LSTM+CRF框架
第3章 半監(jiān)督命名實(shí)體識(shí)別方法
    3.1 原理介紹
    3.2 相似句構(gòu)造
    3.3 目標(biāo)函數(shù)
    3.4 SEMI+Bi-LSTM+CRF模型
    3.5 實(shí)驗(yàn)
        3.5.1 數(shù)據(jù)介紹
        3.5.2 實(shí)驗(yàn)結(jié)果及分析
第4章 基于順序遺忘編碼的命名實(shí)體識(shí)別方法
    4.1 順序遺忘編碼
    4.2 注意力機(jī)制
    4.3 FOFE+Bi-LSTM+CRF框架
    4.4 實(shí)驗(yàn)
第5章 結(jié)論與展望
參考文獻(xiàn)
在學(xué)研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]融入自注意力機(jī)制的社交媒體命名實(shí)體識(shí)別[J]. 李明揚(yáng),孔芳.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(06)
[2]基于深層條件隨機(jī)場(chǎng)的生物醫(yī)學(xué)命名實(shí)體識(shí)別[J]. 孫曉,孫重遠(yuǎn),任福繼.  模式識(shí)別與人工智能. 2016(11)
[3]基于層疊隱馬爾可夫模型的中文命名實(shí)體識(shí)別[J]. 俞鴻魁,張華平,劉群,呂學(xué)強(qiáng),施水才.  通信學(xué)報(bào). 2006(02)
[4]中文姓名的自動(dòng)辨識(shí)[J]. 孫茂松,黃昌寧,高海燕,方捷.  中文信息學(xué)報(bào). 1995(02)



本文編號(hào)：2969169