基于增强 BiLSTM 的网络文章核心实体识别

来源：计算机技术与发展杂志2021年第01期北京时间：

作者：周康;曲卫东;杨艺琛

摘要：文章核心实体是文章主要描述或担任文章主要角色的实体词。 随着互联网的发展与网络传媒平台的兴起,自媒体网络新闻传播严重影响着公众的价值导向,网络文章核心实体识别是情感分析、舆情监测等自然语言处理任务的重要基础步骤。对于较易识别的传统命名实体,文章核心实体的识别难度更大,其抽取工作不仅需要基于篇章理解的复杂特征信息,还涉及灵活多样的领域表述方式。 针对这些问题,提出了一种基于增强双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)的网络文章核心实体识别模型。 该模型通过 BiLSTM 来捕捉刻画文章的篇章级特征,在BiLSTM 模型的基础上利用 Bert 模型提升上下文语义质量,增强原有模型的语义表达能力,同时引入 Ada Boost 集成学习框架来组合多个针对语料数据的不同侧面训练的子模型,从而增强整体的识别效果。 文章所做实验验证了该模型的可行性和有效性。

关键词：中文命名实体识别;核心实体识别;深度学习;双向长短期记忆网络;AdaBoost