1 绪 论
1.1 课题研究背景和意义
1.2 国内外相关研究现状
1.2.1 传统基于规则的命名实体识别方法
1.2.2 基于统计机器学习的命名实体识别方法
1.2.3 基于深度学习的命名实体识别方法
1.3 论文主要工作内容及章节安排
2 相关理论与技术基础
2.1 自然语言的数值化
2.1.1 独热编码表示
2.1.2 分布式编码表示
2.2 基于统计机器学习的模型
2.2.1 条件随机场
2.2.2 维特比算法
2.3 深度学习相关理论与模型
2.3.1 激活函数
2.3.2 循环神经网络
2.3.3 长短期记忆网络
2.3.4 注意力机制模型Transformer
2.3.5 正则化方法Dropout
2.4 本章小结
3 基于循环神经网络的实体识别方法
3.1 基于BiLSTM-CRF模型的实体识别方法
3.1.1 BiLSTM模型
3.1.2 BiLSTM-CRF模型
3.2基于Hierarchical BiLSTM-CRF模型的实体识别方法
3.3 实验语料及其预处理
3.3.1 数据集介绍
3.3.2 数据预处理及其统计
3.4 相关实验
3.4.1 实验评价指标
3.4.2 基于BiLSTM-CRF模型的实体识别实验结果及分析
3.4.3基于Hierarchical BiLSTM-CRF模型的实体识别实验结果及分析
3.5 本章小结
4 基于深层语境语言模型的实体识别方法
4.1 深层语境语言模型BERT
4.1.1 输入表示
4.1.2 特征编码
4.1.3 预训练策略
4.1.4 相关总结
4.2 基于BERT语言模型融合CRF的实体识别方法
4.2.1 相关原理
4.2.2 实验结果
4.3 基于BERT语言模型融合BiLSTM-CRF的实体识别方法
4.3.1 相关原理
4.3.2 实验对比及分析
4.4 本章小结
5 总结与展望
5.1 全文总结
5.2 下一步工作展望
参考文献
附录
A 学位论文数据集
致谢
重庆大学;