• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Tools with Artificial Intelligence >Mongolian Named Entity Recognition with Bidirectional Recurrent Neural Networks
【24h】

Mongolian Named Entity Recognition with Bidirectional Recurrent Neural Networks

机译：蒙古语命名与双向经常性神经网络的实体识别

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Traditional approaches to Named Entity Recognition almost heavily rely on feature engineering. In this paper, we introduce a kind of bidirectional recurrent neural network with long short memory (BLSTM) to capture bidirectional and long dependencies in a sentence without any feature set. Our model combines BLSTM network with Conditional Random Field (CRF) layer to jointly decode the best output. Additionally, this model inputs the concatenation of Mongolian morpheme and character representation. Experimental results show that the bidirectional recurrent neural networks significantly outperform traditional CRF model using manual features.
机译：命名实体识别的传统方法几乎依赖于特色工程。在本文中，我们介绍了一种具有长短存储器（BLSTM）的双向反复性神经网络，以在没有任何特征集的情况下捕获句子中的双向和长依赖性。我们的模型将BLSTM网络与条件随机字段（CRF）层组合联合解码最佳输出。此外，该模型输入了蒙古语素和字符表示的串联。实验结果表明，双向反复性神经网络使用手动特征显着优于传统的CRF模型。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号