發(fā)布時間：2017-09-09 23:18

  本文關鍵詞：基于深度信念網(wǎng)絡的命名實體識別

  更多相關文章： 深度信念網(wǎng)絡 命名實體識別 神經(jīng)網(wǎng)絡語言模型

【摘要】：傳統(tǒng)的命名實體識別方法是將大量手工制定的特征輸入到統(tǒng)計學習模型中以實現(xiàn)對詞語的標記,能夠取得較好的效果,但其手工特征制定的方式增加了模型建立的難度。為了減輕傳統(tǒng)方法中手工特征制定的工作量,首先對神經(jīng)網(wǎng)絡語言模型進行無監(jiān)督訓練以得到詞語特征的分布式表示,然后將分布式的特征輸入到深度信念網(wǎng)絡中以發(fā)現(xiàn)詞語的深層特征,最后進行命名實體識別。該方法在前人研究的基礎上利用深度信念網(wǎng)絡對神經(jīng)網(wǎng)絡語言模型進行了擴展,提出了一種可用于命名實體識別的深層架構。實驗表明,在僅使用詞特征和詞性特征的條件下,該方法用于命名實體識別的性能略優(yōu)于基于條件隨機場模型的方法,具有一定的使用價值。
【作者單位】： 解放軍理工大學指揮信息系統(tǒng)學院;
【關鍵詞】： 深度信念網(wǎng)絡 命名實體識別 神經(jīng)網(wǎng)絡語言模型
【分類號】：TP391.1
【正文快照】： 到稿日期:2015-02-01返修日期:2015-05-141引言命名實體(Named Entity,NE)[1]是文本中基本的信息單位,主要包括固有名稱、縮寫和其他唯一標識等,是正確理解文本的基礎。命名實體識別(Named Entity Recognition,NER)[2]是信息提取、問答系統(tǒng)、句法分析、機器翻譯和面向Semantic

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張曉艷;王挺;陳火旺;;命名實體識別研究[J];計算機科學;2005年04期

2 邱莎;;幾種基于機器學習的生物命名實體識別模型比較[J];電腦知識與技術(學術交流);2007年05期

3 趙軍;;命名實體識別、排歧和跨語言關聯(lián)[J];中文信息學報;2009年02期

4 鄭強;劉齊軍;王正華;朱云平;;生物醫(yī)學命名實體識別的研究與進展[J];計算機應用研究;2010年03期

5 張向U，

本文編號：823347