基于BERT的中文命名实体识别方法

被引：96

作者：

王子牛 ^{[1
]}

姜猛 ^{[2
]}

高建瓴 ^{[2
]}

陈娅先 ^{[2
]}

机构：

[1] 贵州大学网络与信息化管理中心

[2] 贵州大学大数据与信息工程学院

来源：

计算机科学 | 2019年 / 46(S2)卷 / S2期

关键词：

BERT; 命名实体识别; 序列标注; BiLSTM; 条件随机场;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

针对传统的机器学习算法对中文实体识别准确率低、高度依赖特征设计以及领域自适应能力差的问题,提出了基于BERT的神经网络方法进行命名实体识别。首先,利用大规模未标注语料对BERT进行训练,获取文本抽象特征;然后,利用BiLSTM神经网络获取序列化文本的上下文抽象特征;最后,通过CRF进行序列解码标注,提取出相应的实体。该方法结合BERT和BiLSTM-CRF模型对中文实体进行识别,以无需添加任何特征的方式在1998上半年人民日报数据集上取得了94.86%的F1值。实验表明,该方法提升了实体识别的准确率、召回率及F1值,验证了该方法的有效性。

引用

页码：138 / 142

页数：5

共 10 条

[1] 基于字词融合特征的微博情绪识别方法 [J].