【免费】中文短文本的实体链指研究1资源-CSDN文库

需积分: 0 178 浏览量 2022-08-04 13:35:28 上传评论收藏 361KB PDF 举报

资源详情

资源评论

资源推荐

中文短文本的实体链指研究

徐国进

电子科技大学,成都,610031, 中国

xgj_012@163.com

摘要

. 面向中文短文本的实体识别与链指，简称ERL（Entity Recognition

and Linking），是NLP领域的基础任务之一，即对于给定的一个中文短文

本识别出其中的实体，并与给定知识库中的对应实体进行关联。传统的实

体链指任务主要是针对长文档，长文档拥有在写的上下文信息能辅助实体

的歧义消解并完成链指。相比之下，针对中文短文本的实体链指存在很大

的挑战。针对该问题，本文给出了解决了该任务即实体识别和实体链指两

个子任务的方法。对于实体识别这一子任务，本文采用BERT-BiLSTM-

Dense的半指针半标注的结构，这一结构通过灵活的解码来提升实体识别

的性能。对于实体链指这一子任务，根据实体描述文本长度对候选实体进

行有效的筛选获得一个小的候选集，然后将实体消歧转为化在这个小的候

选集上的多分类的问题。在CCKS 2019 中文短文本的实体链指这个评测任

务上，该文提出的方法在最终的评测数据上达到F1为0.79654的成绩。

关键词

: 实体链接，实体识别，实体消歧，BERT，多分类

Research on Entity Chain Reference of Chinese Short

Texts

XU Guojin

University of Electronic Science and Technology,Chengdu 610031, China

xgj_012@163.com

Abstract. Entity Recognition and Linking (ERL) is one of the basic tasks in

NLP field. It is to recognize the entities in a given short Chinese text and asso-

ciate them with the corresponding entities in a given knowledge base. Tradi-

tional entity chain refers to the task mainly for long documents, long documents

have context information in writing, which can assist entity disambiguation and

complete the chain finger. In contrast, the entity chain finger for short Chinese

texts is a big challenge. To solve this problem, this paper presents a method to

solve the task, that is, entity recognition and entity chain referring to two sub-

tasks. For the sub-task of entity recognition, this paper adopts the structure of

BERT-BiLSTM-Dense semi-pointer and semi-annotation, which improves the

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余9页未读，立即下载

评论0

内容反馈

创业青年骁哥

粉丝: 16
资源: 341

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip