首页  |  期刊简介  |  稿件审稿流程  |  学术道德规范  |  编委会  |  征订启事  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
鲍静益,于佳卉,徐宁,姚潇,刘小峰.问答系统命名实体识别改进方法研究[J].数据采集与处理,2020,35(5):930-941
问答系统命名实体识别改进方法研究
Research on the Improved Method of Named Entity Recognition in Q & A System
投稿时间:2020-07-07  修订日期:2020-08-25
DOI:10.16337/j.1004-9037.2020.05.014
中文关键词:  问答系统  命名实体识别  双向格子长短时记忆模型  周期核函数  相似度评判
英文关键词:Q & A system  named entity recognition  lattice bi-directional long short memory model  periodic kernel function  similarity evaluation
基金项目:江苏省重点研发计划(BK20192004, BE2018004-04)资助项目;中央高校科研基本业务费(B200202205)资助项目;飞行交通管理与技术重点实验室开放课题(SKLATM201901)资助项目。
作者单位邮编
鲍静益 常州工学院电气信息工程学院常州213022 213022
于佳卉 河海大学物联网工程学院常州213022 213022
徐宁 河海大学物联网工程学院常州213022
江苏省特种机器人与智能技术重点实验室常州213022 
213022
姚潇 河海大学物联网工程学院常州213022
江苏省特种机器人与智能技术重点实验室常州213022 
213022
刘小峰 河海大学物联网工程学院常州213022
江苏省特种机器人与智能技术重点实验室常州213022 
213022
摘要点击次数: 33
全文下载次数: 41
中文摘要:
      问答系统是一种以准确且自然的语言来回答用户提问的系统。本文对其中涉及的“命名实体识别”环节尝试了一些改进措施:针对传统单向模板匹配耗时耗力的问题,提出一种双向格子结构的长短时记忆网络(Lattice Bi-LSTM),解决了命名实体识别中对句子处理不当和对分词结果具有依赖性的两大问题。与单向结构相比,双向结构能更好地利用句子信息,使输出结果更具鲁棒性,从而更准确地捕获语义信息;针对传统方法未考虑实体间相似度的非线性耦合性问题,提出一种利用周期性核函数将“相似”实体准确链接到知识库中去的方法。对提出的两种改进方法进行了实验验证,结果表明:与经典方法相比,所用方法具有显著的改进效果。
英文摘要:
      The Q & A system is a kind of system which can answer user’s questions with accurate and natural language. Some improvement measures have been tried for “named entity recognition”. Aiming at the time- and labor-consuming problem of traditional one-way template matching, this paper proposes a lattice bi-directional structure of long short-term memory (Lattice Bi-LSTM)network, which solves the problems of improper sentence processing and dependence on the result of word segmentation in named entity recognition. Compared with the unidirectional structure, the bi-directional structure can make better use of sentence information and make the output more robust, thus capturing semantic information more accurately. To solve the problem of non-linear coupling of similarity between entities in traditional methods, a method is proposed to link “similar” entities to the knowledge base accurately by using periodic kernel function. The two improved methods are verified by experiments, whose results show that they have significant improvement effects compared with the classical method.
查看全文  HTML  查看/发表评论

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第1857056位访问者 本站今日一共被访问157

技术支持:北京勤云科技发展有限公司