声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：32-1668/N
国际刊号：1671-7775
发布日期:
作者：王进,蒋诗琪
单位：重庆邮电大学 数据工程与可视计算重点实验室， 重庆 400065
关键词：自然语言处理, 嵌套命名实体识别, 深度学习, 卷积神经网络, 长短时记忆网络, 特征融合, 自适应学习
为了解决嵌套命名实体识别中边界模糊和嵌套实体提取困难的问题，提出了基于多路局部特征整合的嵌套命名实体识别方法.新方法先采用双向长短时记忆网络拆解序列的正反向特征，然后按实体长度对嵌套命名实体识别任务进行拆分，使用不同大小的卷积网络对固定长度的局部信息进行整合，最后将正反向特征进行匹配得到预测结果.引入前置加权方法来解决多层模型中层间信息传递误差大的问题.将新方法与其他的嵌套命名实体识别方法在ACE2005和GENIA两个数据集上进行对比试验.结果表明：新方法在两个数据集上均表现出了更好的效果，比其他方法中最优的Dependency Parsing在ACE2005和GENIA数据集上F1分数分别提升0.18和0.03百分点，新方法相比目前主流方法有一定的性能提升.
来源：2025年第4期
《江苏大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。