为解决命名实体识别任务中依赖单一词向量缺乏丰富的输入语义信息和基于统计方法特征构建费时费力的问题,提出了一种多通道神经网络命名实体识别模型(Named Entity Recognition based on Multichannel Neural Network,MNN-NER)。首先,使用两个词向量工具将实验语料转换为词向量序列并作为模型不同通道的输入。然后通过双向长短时记忆网络(BiLSTM)自动提取用词向量表示文本的上下文特征。最后,CRF将BiLSTM输出的特征向量解码为最佳标记序列以完成命名实体识别任务。
展开▼
