来源：期刊VIP网 时间：
作者：何安康;陈艳平;扈应;黄瑞章;秦永彬;
单位：贵州大学文本计算与认知智能教育部工程研究中心;公共大数据国家重点实验室(贵州大学);贵州大学计算机科学与技术学院;
摘要：命名实体识别是自然语言处理领域中的一项基本任务，旨在识别和分类文本中的命名实体。目前，基于跨度的方法在实体识别方面取得一定进展，但这些方法往往忽视了候选跨度的质量差异。针对该问题，本文提出一种融合边界交互信息的命名实体识别方法。该方法通过一个边界交互模块评估边界间的语义关联和交互强度，生成边界交互信息矩阵，用于识别边界间潜在的语义联系，引导模型识别和标记出高质量的候选跨度。此外，该方法集成多尺度空洞卷积模块，利用跨度之间的语义关系来减轻非实体噪声的影响。实验表明，本文方法在ACE2005中文数据集、ACE2005英文数据集和Weibo数据集上的F_1值分别达到89.78%、87.37%和72.10%,与基准模型相比分别提升0.67、0.95和0.69个百分点，验证了该方法对命名实体识别的有效性。
关键词：自然语言处理;;命名实体识别;;信息抽取;;边界交互
基金资助：贵州省科学技术基金重点项目([2024]003);; 国家重点研发计划(2023YFC3304500);; 国家自然科学基金(62166007)
