文章摘要:针对目前嵌套命名实体识别的方法在识别实体边界时不够准确，缺乏对实体边界信息的有效利用等问题，提出一种嵌套命名实体识别的边界强化分类模型。采用卷积神经网络提取邻接词间的特征，利用加入多头注意力的序列标注模型进一步获取实体的边界特征，增加实体边界检测的准确性。在此基础上，计算实体中词语的贡献度，将实体关键字与实体边界词结合来表示实体，使实体表示中包含实体关键信息和边界信息，最后进行实体分类。模型在嵌套命名实体识别数据集GENIA和GermEval 2014上进行了实验，召回率、F1值均优于对比的多个基线模型，表明模型在嵌套命名实体识别任务上有着更好的效果。

文章关键词:

项目基金: