上海网站制作策,系统网站建设,怎么在云服务器上搭建网站,优秀图网站本文转载自公众号#xff1a;机器之心。选自arXiv作者#xff1a;Yue Zhang、Jie Yang机器之心编译参与#xff1a;路、王淑婷近日#xff0c;来自新加坡科技设计大学的研究者在 arXiv 上发布了一篇论文#xff0c;介绍了一种新型中文命名实体识别方法#xff0c;该方法利… 本文转载自公众号机器之心。选自arXiv作者Yue Zhang、Jie Yang机器之心编译参与路、王淑婷近日来自新加坡科技设计大学的研究者在 arXiv 上发布了一篇论文介绍了一种新型中文命名实体识别方法该方法利用 Lattice LSTM性能优于基于字符和词的方法。与基于字符的方法相比该模型显性地利用词和词序信息与基于词的方法相比lattice LSTM 不会出现分词错误。这篇论文已被 ACL 2018 接收。作为信息抽取的一项基本任务命名实体识别NER近年来一直受到研究人员的关注。该任务一直被作为序列标注问题来解决其中实体边界和类别标签被联合预测。英文 NER 目前的最高水准是使用 LSTM-CRF 模型实现的Lample et al., 2016; Ma and Hovy, 2016; Chiu and Nichols, 2016; Liu et al., 2018其中字符信息被整合到词表征中。中文 NER 与分词相关。命名实体边界也是词边界。执行中文 NER 的一种直观方式是先执行分词然后再应用词序列标注。然而分割 → NER 流程可能会遇到误差传播的潜在问题因为 NE 是分割中 OOV 的重要来源并且分割错误的实体边界会导致 NER 错误。这个问题在开放领域可能会很严重因为跨领域分词仍然是一个未解决的难题Liu and Zhang, 2012; Jiang et al., 2013; Liu et al., 2014; Qiu and Zhang, 2015; Chen et al., 2017; Huang et al., 2017。已有研究表明中文 NER 中基于字符的方法表现要优于基于词的方法He and Wang, 2008; Liu et al., 2010; Li et al., 2014。图 1词-字符网格。基于字符的 NER 的一个缺陷在于无法充分利用显性的词和词序信息而它们是很有用的。为了解决这一问题本论文研究者利用 lattice LSTM 来表征句子中的 lexicon word从而将潜在词信息整合到基于字符的 LSTM-CRF 中。如图 1 所示研究者使用一个大型自动获取的词典来匹配句子进而构建基于词的 lattice。因此词序如「长江大桥」、「长江」和「大桥」可用于语境中的潜在相关命名实体消歧如人名「江大桥」。由于在网格中存在指数级数量的词-字符路径因此研究者利用 lattice LSTM 结构自动控制从句子开头到结尾的信息流。如图 2 所示门控单元用于将来自不同路径的信息动态传送到每个字符。在 NER 数据上训练后lattice LSTM 能够学会从语境中自动找到更有用的词以取得更好的 NER 性能。与基于字符和基于词的 NER 方法相比本论文提出的模型的优势在于利用利用显性的词信息而不是字符序列标注且不会出现分词误差。图 2Lattice LSTM 结构。结果显示该模型显著优于基于字符的序列标注模型和使用 LSTMCRF 的基于词的序列标注模型在不同领域的多个中文 NER 数据集上均获得最优结果。模型研究者遵循最好的英文 NER 模型Huang et al., 2015; Ma and Hovy, 2016; Lample et al., 2016使用 LSTM-CRF 作为主要网络结构。形式上指定输入句子为 s c_1, c_2, . . . , c_m其中 c_j 指第 j 个字符。s 还可以作为词序列 s w_1, w_2, . . . , w_n其中 w_i 指句子中的第 i 个词使用中文分词器获得。研究者使用 t(i, k) 来指句子第 i 个词中第 k 个字符的索引 j。以图 1 中的句子为例。如果分词是「南京市 长江大桥」索引从 1 开始则 t(2, 1) 4 (长)t(1, 3) 3 (市)。研究者使用 BIOES 标记规则Ratinov and Roth, 2009进行基于词和基于字符的 NER 标记。图 3模型。表 4在开发集上的结果。表 5在 OntoNotes 上的主要结果。论文Chinese NER Using Lattice LSTM论文链接https://arxiv.org/abs/1805.02023项目链接https://github.com/jiesutd/LatticeLSTM摘要我们研究了用于中文命名实体识别NER的 lattice LSTM 模型该模型对输入字符序列和所有匹配词典的潜在词汇进行编码。与基于字符的方法相比该模型显性地利用词和词序信息。与基于词的方法相比lattice LSTM 不会出现分词错误。门控循环单元使得我们的模型能够从句子中选择最相关的字符和词以生成更好的 NER 结果。在多个数据集上的实验证明 lattice LSTM 优于基于词和基于字符的 LSTM 基线模型达到了最优的结果。OpenKG.CN中文开放知识图谱简称OpenKG.CN旨在促进中文知识图谱数据的开放与互联促进知识图谱和语义技术的普及和广泛应用。点击阅读原文进入 OpenKG 博客。
