融合多粒度膨胀卷积和扩展边界的中文命名实体识别算法

来源：计算机工程与应用杂志2025年第7期北京时间：

作者：侯向丹, 孙晓凯, 刘洪普

单位：1.河北工业大学 人工智能与数据科学学院，天津 300401 ；2.河北省大数据计算重点实验室，天津 300401

摘要：命名实体识别在自然语言处理领域扮演着基础且关键的角色，它是信息提取、问答系统、机器翻译等众多常见应用的核心组成元素。其识别成果将直接决定后续多个下游自然语言处理任务的表现，因此具有极大的研究价值。但现有的对中文命名实体识别的研究主要集中在规律性实体上，对于非规律性实体和多表现形式实体的识别效果有待提升，如各种名称。为了解决这一问题，在基于规则启发模型（regularity-inspired recognition network，RICON）的基础上，提出了一种“实体的扩展规则网络”（extension regular of entity network，ERoEN），通过加入边界扩展机制捕获每个扩展后实体的规律，从而提取非规律性实体前后的隐含特征，以此提高对非规律性实体的识别能力；并且引入多粒度膨胀卷积层捕获不同距离的上下文信息，增强实体与上下文的关联性，最终提高对多表现形式实体的识别效果。通过在OntoNote4、Weibo和CLUENER2020数据集上的验证，ERoEN模型相比于RICON模型大部分实验中在F1值上分别提升了1.27、1.02和1.13个百分点。

关键词：命名实体识别,注意力机制,膨胀卷积,边界扩展