基于深度神经网络的命名实体识别方法研究 (1).pdf

2017年第10期技术研究

doi10.3969/j.issn.1671-1122.2017.10.005

：

基于深度神经网络的命名实体识别

方法研究

GULKhanSafiQamas，尹继泽，潘丽敏，罗森林

（北京理工大学信息系统及安全对抗实验中心，北京100081）

摘要：针对中文社交媒体命名实体识别的特征提取不充分问题，文章提出一种基于深度神

经网络、结合长短时记忆和注意力模型的命名实体识别方法。一条社交媒体文本信息等价于一个字

符序列，因此，首先将其中每个字符转化为对应的字向量；其次，利用长短时记忆处理转化后的字

向量序列来提取文本全局特征；然后，利用注意力模型处理前一步输出的文本全局特征向量序列，

进一步提取文本局部特征；最后，利用线性链式条件随机场根据文本全局和局部特征向量序列进行

命名实体标注，获得命名实体识别结果并输出。实验结果表明，文中方法与基线算法及当前优良算

法相比，其F-测度值高于其他对比方法。

关键词：命名实体识别；中文社交媒体；深度神经网络；注意力机制

中图分类号：TP309文献标识码：A文章编号：1671-1122（2017）10-0029-07

中文引用格式：GULKhanSafiQamas，尹继泽，潘丽敏，等.基于深度神经网络的命名实体识别方法研

究[J].信息网络安全，2017（10）：29-35.

英文引用格式：GULKSQ,YINJize,PANLimin,etal.ResearchontheAlgorithmofNamedEntity

RecognitionBasedonDeepNeuralNetwork[J].NetinfoSecurity,2017(10):29-35.

ResearchontheAlgorithmofNamedEntityRecognitionBasedon

DeepNeuralNetwork

GULKhanSafiQamas,YINJize,PANLimin,LUOSenlin

(InformationSystemandSecurityCountermeasuresExperimentalCenter,BeijingInstituteofTechnology,

Beijing100081,China)

Abstract:Fortheproblemofinsufficientfeatureextractionofnamedentityrecognition

forChinesesocialmedia,amethodofnamedentityrecognitionbasedondeepneuralnetworks

thatcombinesalongshort-termmemorywit