[发明专利]一种融合字词特征的中文命名实体识别方法

权利要求书

1.一种融合字词特征的中文命名实体识别方法，其特征在于，包括以下步骤：

S1、通过拼接字向量x^c、位置向量x^s和词的映射向量x^w构建特征表示层，作为模型的输入向量x^emb，假设给定长度为N的句子{x₁,x₂,...,x_n}，每一个字x_i对应的特征表示模型输入向量计算如下：

其中，为字向量，为位置向量，为词的映射向量；

词的映射向量具体为：

其中，x_i∈x_j，为位置权重向量，为以词向量作为双向LSTM的输入而获得的上下文信息；

S2、将输入向量x^emb输入BiLSTM，得到当前时刻的上下文特征向量对该特征向量执行非线性转换，输出待解码的得分信息P；

S3、将得分信息P输入CRF层，同时引入转移得分矩阵A，CRF根据序列的全局标签概率p(y|x)选择全局最优的标签序列，输出序列标注结果y₁,y₂,...,y_n。

2.根据权利要求1所述的融合字词特征的中文命名实体识别方法，其特征在于，字向量具体为：

其中，e^c为字向量的查找表，c_i为字x_i对应的id。

3.根据权利要求1所述的融合字词特征的中文命名实体识别方法，其特征在于，位置向量具体为：

其中，e^s为位置向量的查找表，s_i为字x_i在所属词内位置对应的id。

4.根据权利要求1所述的融合字词特征的中文命名实体识别方法，其特征在于，步骤S3中，利用softmax得到归一化的序列全局标签概率p(y|x)如下：

其中，为所有的可能的标签的得分的指数值，score(x,y)为模型对于序列x的标签等于y的打分。

5.根据权利要求4所述的融合字词特征的中文命名实体识别方法，其特征在于，步骤S3中，若标签序列y＝(y₁,y₂,...,y_n)，模型对于序列x的标签等于y的打分score(x,y)计算如下：

其中，为上述BiLSTM的输出得分矩阵中的值，为转移得分矩阵A中的值。