融合词汇信息与GlobalPointer的实体识别

摘要

为了提升GlobaiPointer方法的实体边界区分性能，提出一种融合词汇信息与GlobalPointer的实体识别方法。对SoftLexicon提取的词汇特征与字符相结合，采用BiLSTM网络与RoPE编码捕捉时序与相对位置信息构建全面特征，通过实体矩阵实现实体识别。对多个数据集进行试验，本研究提出的模型相较于其他基线模型，精确率、召回率、F₁均有一定的提升，Weibo数据集中F₁达到71.33%、CMeEE数据集中F₁达到63.45%,表明本研究提出的模型架构能够进一步扩充语义表征，增强识别性能。

关键词

相对位置编码 / 词汇信息 / 实体识别 / 特征融合 / 神经网络

基金资助

宁夏自然科学基金资助项目(2021AAC03215); 北方民族大学重点科研项目(2021JCYJ12)