融合外部知识和位置信息的中文命名实体识别

来源：计算机工程与应用杂志2024年第22期北京时间：

作者：李源, 洛桑嘎登, 蒋卫丽

单位：1.信阳农林学院 信息工程学院，河南 信阳 464000；2.西藏大学 信息科学技术学院，拉萨 850000；3.四川大学 计算机学院，成都 610207

摘要：命名实体识别（named entity recognition，NER）是信息检索和自然语言处理领域重要且基础的任务。与英文不同，目前大部分的中文NER方法，都面临分词困扰、领域知识缺失的问题。针对以上问题，基于Lattice结构，提出一种结合知识图谱嵌入（knowledge graphs embedding，KGE）和带掩码位置信息的中文NER模型。Lattice语义信息的使用，为补充词粒度信息和解决分词问题奠定了结构基础。知识图谱嵌入的使用，为模型补充并定位了其所缺失的领域知识。而带掩码位置信息的使用，则较好地解决了由于知识图谱的引入而带来的知识噪声问题。所提出的方法在通用领域和垂直领域上均能取得较好的表现，在Weibo、Resume以及CCKS 2017上的F1值分别达到了74.01%、96.62%、94.95%。

关键词：Lattice,知识图谱嵌入,位置信息,中文命名实体识别