融合多阶段特征的中文命名实体识别模型

作     者：杨先凤 范玥 李自强 汤依磊 YANG Xian-feng;FAN Yue;LI Zi-qiang;TANG Yi-lei

作者机构：西南石油大学计算机与软件学院四川成都610500 四川师范大学影视与传媒学院四川成都610066 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2025年第46卷第1期

页      面：37-43页

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：国家自然科学基金项目(61802321) 四川省科技厅重点研发计划基金项目(2020YFN0019) 

主　　题：命名实体识别 翻转长短时记忆网络 注意力机制 编码器 预训练词向量 多阶段特征 条件随机场 

摘      要：针对中文命名实体识别中未充分利用完整的文本表示和语句特征的问题,提出一种融合多阶段特征的中文命名实体识别模型(LM-CNER)。采用全局注意力机制文本融合字符级嵌入与其预训练词向量,同时获取字符级特征和单词级特征。采用翻转长短时记忆网络(Re-LSTM)进行上下文特征提取,采用多头自注意力机制进行句法分析,并将二者进行拼接。使用条件随机场作为解码器,得到命名实体识别结果。在微博和简历两个数据集上的实验结果表明,该模型能够获取更加准确的文本表示和语句特征,提升模型的实体识别效果。