基于大语言模型的社交媒体中文命名实体识别方法

来源：计算机测量与控制杂志2025年第6期北京时间：

作者：蒋大锐,贺敏伟,徐胜超

单位：广州华商学院  人工智能学院

摘要：社交媒体中的中文文本因其类别模糊等特性，导致文本特征提取困难，进而影响了命名实体识别的准确性。为此提出基于大语言模型的社交媒体中文命名实体识别方法。该方法从社交媒体平台采集大量中文文本数据，并对其进行语义增强处理，随后设计文本信息编码器，对增强后的文本进行相对位置编码。在此基础上，利用大语言模型深度挖掘文本信息特征，构建特征向量表示。同时，引入注意力机制，分析文本上下文的语义特征。通过标签解码过程，输出最优的文本序列，从而构建中文命名实体识别模型。在损失函数的指导下，对模型参数进行优化，实现对命名实体的精确识别。实验结果表明，该方法在实际应用中表现出0.03%的误识率，具备较高的识别精度和良好的应用效果。

关键词：大语言模型;社交媒体;中文命名实体;实体识别;文本编码;识别模型;标签解码