来源：期刊VIP网 时间：
作者：陈鹏;向道岸;李旭;陈世洁;
单位：湖北省水电工程智能视觉监测重点实验室;三峡大学计算机与信息学院;
摘要：嵌套的命名实体之间蕴含着丰富的语义关系和复杂的结构信息，传统的序列标记方法通常无法准确识别嵌套实体，即那些嵌套在内部的实体。为解决该问题，提出一种融合汉字结构和边界增强的嵌套命名实体识别模型BCBENNER。该模型首先通过循环神经网络来融合汉字结构等信息，以生成特殊的文本表示信息；其次，使用两个独立的GRU层对生成的文本表示信息进行实体头部和尾部预测，进一步加强实体的边界信息，并采用异构图神经网络进行迭代更新。结果表明：在嵌套CMeEE-V2数据集上，BCBE-NNER模型的F_1值由原来的72.11%提高为74.12%，提升了2.01%；在平面Weibo NER数据集上，BCBE-NNER模型的F_1值由原来的72.77%提高为75.10%，提升了2.33%。
关键词：嵌套命名实体识别;;汉字结构;;边界增强;;异构图神经网络;;序列标记;;特征融合
基金资助：国家重点研究发展计划资助项目:城镇安全风险评估与应急保障技术研究(2016YFC0802500)
