[發(fā)明專利]一種基于Lattice-LSTM的改進(jìn)中文命名實體識別方法

在審

• 申請?zhí)枺?/td>: 202010167070.1
• 申請日: 2020-03-11
• 公開（公告）號: CN111476031A
• 公開（公告）日: 2020-07-31
• 發(fā)明（設(shè)計）人: 甘玲;黃成明
• 申請（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06N3/04;G06N3/08
• 代理公司: 北京同恒源知識產(chǎn)權(quán)代理有限公司 11275
• 代理人: 趙榮之

1.一種基于Lattice-LSTM的改進(jìn)中文命名實體識別方法，其特征在于：該方法包括以下步驟：

S1：構(gòu)建模型；

S2：特征輸入；

S3：特征提取；

S4：標(biāo)簽預(yù)測；

S5：結(jié)果評價。

2.根據(jù)權(quán)利要求1所述的一種基于Lattice-LSTM的改進(jìn)中文命名實體識別方法，其特征在于：所述S1具體為：基于Lattice-LSTM模型，引入Transformer結(jié)構(gòu)編碼器部分，使用python語言編寫并調(diào)試；

實驗數(shù)據(jù)集包括weibo數(shù)據(jù)集、微軟MSRA數(shù)據(jù)集和resumne數(shù)據(jù)集。

3.根據(jù)權(quán)利要求1所述的一種基于Lattice-LSTM的改進(jìn)中文命名實體識別方法，其特征在于：所述S2具體為：

以高維的數(shù)字向量，代表一句話中的每一個文字，而最終參與計算的是這些高維向量，使用特征信息，包括詞向量、漢語拼音特征、漢語偏旁特征和漢語字形特征；

將多種特征拼接后表達(dá)這一個漢語字符的特征，這些特征是采取不同的模型訓(xùn)練而來的高緯度向量。

4.根據(jù)權(quán)利要求1所述的一種基于Lattice-LSTM的改進(jìn)中文命名實體識別方法，其特征在于：所述S3具體為：分為兩個方面的特征提?。?/p>

一方面是對于一句話中的文字信息本身的特征提取，使用LSTM結(jié)構(gòu)的針對中文的改進(jìn)模型Lattic-LSTM結(jié)構(gòu)，融合單一漢字的特征與一句話分詞后每一個詞的特征，同時采用雙向的結(jié)構(gòu)，從正向順序提取語句特征，以及逆向的提取語句特征，將二者拼接，得到這句話的基本文字信息；

另一方面是采用Transformer結(jié)構(gòu)，通過計算一句話中不同文字的重要程度，然后計算句子中文字的特征信息，再采用前向網(wǎng)絡(luò)結(jié)構(gòu)，充分的映射融合其隱藏信息，得到句子的結(jié)構(gòu)信息，而句子的結(jié)構(gòu)信息是從整個句子全局出發(fā)提取的信息，能概述性表達(dá)句子的整體特征，將該信息與計算的文字信息相結(jié)合，表達(dá)整句話的語意和結(jié)構(gòu)的特征信息。

5.根據(jù)權(quán)利要求1所述的一種基于Lattice-LSTM的改進(jìn)中文命名實體識別方法，其特征在于：所述S4具體為：采用主流結(jié)構(gòu)條件隨機(jī)場CRF結(jié)構(gòu)，基于維特比算法解碼上一部分的特征信息，計算出整個語句的全局最優(yōu)標(biāo)簽序列，而這個標(biāo)簽序列則是預(yù)測的整個句子的實體標(biāo)簽類別。

6.根據(jù)權(quán)利要求1所述的一種基于Lattice-LSTM的改進(jìn)中文命名實體識別方法，其特征在于：所述S5具體為：結(jié)果評價指標(biāo)：包括精確率、召回率和綜合評價指標(biāo)F1，計算方式如下：

精確率：P＝TP/(TP+FP)

召回率：R＝TP/(TP+FN)

綜合評價指標(biāo)：F₁＝2PR/(P+R)

其中，TP：正樣本被預(yù)測為正樣本；FP：負(fù)樣本被預(yù)測為正樣本；FN：正樣本被預(yù)測為負(fù)樣本。