深度学习模型在命名实体识别中的效能对比研究.docxVIP

深度学习模型在命名实体识别中的效能对比研究

目录

内容综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2

1.1研究背景．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.2研究意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.3研究内容与目标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

命名实体识别概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

2.1命名实体识别简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

2.2命名实体识别的应用领域．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

2.3命名实体识别的关键技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8

深度学习模型介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

3.1深度学习基本原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

3.2常用深度学习模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

3.2.1递归神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

3.2.2长短期记忆网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

3.2.3卷积神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

3.2.4生成对抗网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

3.2.5注意力机制．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

命名实体识别中的深度学习模型应用．．．．．．．．．．．．．．．．．．．．．．．16

4.1传统深度学习模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17

4.1.1RNN在命名实体识别中的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．18

4.1.2CNN在命名实体识别中的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．20

4.2基于注意力机制的模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

4.2.1注意力LSTM模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

4.2.2注意力CNN模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

4.3基于序列标注的模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23

模型效能对比研究．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

5.1数据集介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

5.2实验设置．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

5.2.1模型参数设置．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26

5.2.2评价指标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26

5.3实验结果与分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27

5.3.1不同模型在数据集上的性能对比．．．．．．．．．．．．．．．．．．．．．．．．28

5.3.2影响模型效能的因素分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

模型优化与改进．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

6.1模型结构优化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

6.2模型参数调整．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

6.3数据增强与预处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32

1.内容综述

随着自然语言处理领域的飞速发展，命名实体识别（NamedEntityRecognition，NER）作为其中的一项关键