基于BiLSTM-CNN-CRF模型的维吾尔文命名实体识别

来源：计算机工程杂志2018年第8期北京时间：

作者：买买提阿依甫,吾守尔·斯拉木,帕丽旦·木合塔尔,杨文忠

单位：新疆大学 信息科学与工程学院,乌鲁木齐 830046

摘要：为在缺乏资源和不依赖人工特征的情况下提高维吾尔文命名实体的识别性能,构建基于BiLSTM-CNN-CRF的神经网络模型。采用卷积神经网络训练具有维吾尔文单词的后缀、前缀等形态特征的字符向量,利用skip-gram模型对大规模语料进行训练,生成具有语义信息的低维度 稠密实数词向量。在此基础上,将字符向量、词性向量和词向量拼接的向量作为输入,构建适合维吾尔文命名实体识别的BiLSTM-CRF深层神经网络。实验结果表明,该模型能够解决命名实体的自动识别问题,具有较强的鲁棒性,F1值达到91.89%。

关键词：递归神经网络,卷积神经网络,条件随机场,维吾尔文,命名实体识别

基金资助：国家重点基础研究计划项目(2014CB340506);国家自然科学基金(61363063);新疆大学多语种重点实验室开放课题(XJDX 0905-2013-01)。