[发明专利]一种基于边界检测的中文命名实体识别方法

说明书

本发明公开了一种基于边界检测的中文命名实体识别方法，可以广泛应用于信息处理领域中。包括以下步骤：S1对目标文本进行处理和多粒度表示；S2利用以多粒度嵌入向量为输入的双向门控循环网络BiGRU获得字粒度的上下文相关信息；S3根据每个字的上下文相关信息，神经网络判断每个字是否为实体的边界位置；S4将每个实体边界位置组装成候选实体，并共享S2中的上下文信息表示候选实体；S5利用实体分类器对候选实体进行细粒度处理，识别实体类型，完成命名实体识别。本发明检测出实体的边界位置后，根据边界位置组装候选实体，再对候选实体进行分类命名，完成命名实体识别，在保证了中文命名实体识别准确率的同时，提高中文命名实体识别的召回率。

技术领域

.本发明属于自然语言处理技术领域，具体涉及一种基于边界检测的中文命名实体识别方法。

背景技术

.在这个大数据时代，很多结构化数据被用于统计分析。现代科技发展迅速，各种社交软件应运而生，网上的文字信息越发丰富，如何在利用好海量的文字信息变得越来越迫切。命名实体识别是从非结构化文本中提取出结构化信息的重要技术。目前在命名实体识别领域主流的研究对象是英语，但是近些年对中文的研究越来越受到重视。

.相较于英文命名实体识别，中文命名实体识别研究难度更大。在英文文本中，单词作为阅读的基本单位是以空格作为划分。而在中文文本中，语句由汉字紧密排列组成，汉字是中文阅读的基本单位，人在阅读过程中会主动对语句进行分词。相较于英文的词粒度嵌入向量，中文的词粒度向量需要进行分词任务，分词产生的错误会导致命名实体识别错误，不同的分词方法会改变文本语义表达并且存在未登录词的问题。在中文中采取字粒度嵌入向量虽然能避免分词问题，但是字粒度的嵌入向量蕴含的信息不够丰富，如中国专利(专利号：CN111310470B)利用融合字词特征来提高中文命名实体识别的F1值。

.目前主流的中文命名实体识别模型没有考虑中文文本实体边界模糊的复杂情况，存在实体识别不完整的问题。如何从中文实体边界特征出发，有效地提高命名实体识别准确率，是信息挖掘领域的研究工作者需要解决的问题。

.本发明将命名实体识别分为实体识别和实体命名两个阶段。在第一个阶段通过针对实体边界的检测，将得到实体边界组装出候选实体，完成实体识别任务；在第二阶段，通过神经网络对实体类别进行分类来完成实体的命名工作。针对实体边界的检测工作有利于减少计算的复杂度，在保证命名实体识别的准确率同时提高召回率，即提高F1值。

发明内容

.本发明解决的技术问题在于针对现有技术的不足，提供一种基于边界检测的中文命名实体识别方法，用于提高中文命名实体识别的F1值。

.第一方面，本发明的实施例包括了一种采取基于边界检测的中文命名实体识别方法，采取以下技术方案：

.步骤1：对目标文本处理和多粒度表示，其基本步骤如下：

.步骤1.1：将所述目标文本根据标点符号进行切分，得到句粒度文本。

.步骤1.2：对处理后的句粒度文本进行字粒度嵌入向量表示，得到字粒度嵌入向量

.步骤1.3：同时对句粒度文本进行分词，对分词结果进行词粒度嵌入向量表示，得到词粒度嵌入向量

.步骤1.4：将所述的字粒度嵌入向量和词粒度嵌入向量进行融合得到多粒度嵌入向量e_i。

.步骤2：将多粒度嵌入表示e_i输入BiGRU，BiGRU是由前向GRU和后向GRU组成，得到第i时刻的上下文信息

.步骤3：利用神经网络对每个时刻的上下文信息h_i进行解码，判断h_i所代表的位置i是否为实体的边界位置或者其他位置，其基本步骤如下：