文档介绍：技术论坛移动信息
结合词信息的中文命名实体识别研究
赖兰妹
广东财经大学统计与数学学院，广东广州 510320
摘要：中文文本没有分词的标志符号，而分词的好坏会直接影响中文命名实体识别。针对这个问题，文章将从
基于联合分词任务 (CWS) 的多任务学****的方法、基于上下文编码层嵌入词汇信息的方法和基于分布式表示层嵌
入词汇信息的方法这 3 个方面对目前利用词汇信息的中文 NER 任务进行阐述分析。
关键词：中文命名实体识别；深度学****词信息
中图分类号：
0 引言别的准确率。对于基于单词的中文命名实体识别框
架，分词错误会直接导致实体识别的错误。在不同
命名实体识别（NER）的任务是同时预测实体
的领域中，单词的黄金分割不同，因此跨领域分词
边界和实体类别标签。实体的对象包括人名、机构名、
更容易出错，而这也是自然语言处理中亟须解决的
地名、时间和数字等，是自然语言处理（NLP）的基
一个问题。此外，分词也是产生未登录词的重要来
础任务之一。命名实体识别在自然语言处理的下游
源（OOV），而未登录词也会产生新的一些问题，
任务中起着非常重要的作用，其中包括事件抽取、
需要引入其他的方法进行修正。对于基于字符的中
关系抽取、问答系统、机器翻译和实体链指等任务。
文命名实体识别框架，它没有考虑到单词的语义信
研究者最早用基于规则和基于统计的方法来处
息和词序信息。有研究表明基于字符的方法在中文
理命名实体识别。随着深度学****的发展，研究者开
命名实体识别中的表现优于基于单词的方法 [5]。两
始使用神经网络框架来识别命