双通道注意力增强NER模型

中文实体识别

通过压缩与解压机制和字符/句子级注意力增强，自适应上下文语义差异，提升中文命名实体识别整体性能。

刘净心 · 73511329 · Wenhao, Zhang · Xie, Gengquan · Jing, Yongxia · Xiulai, Li · Zhaoxin, Shi

Computer Speech and Language 2024

技术优势

自适应上下文

通过压缩和解压机制调整语义特征向量的权重，重构语义权重以缓解上下文差异带来的干扰。

多粒度增强

在字符和句子级别设计注意力增强模块，动态学习语义特征差异以增强重要表示。

广泛验证

在MSRA、People Daily、Resume和Weibo四个基准数据集上进行实验，证明有效提升整体性能。

应用场景

• 中文信息抽取：该模型可提高中文实体识别准确率，为信息抽取系统提供更可靠的基础。
• 知识图谱构建：准确的实体识别是知识图谱构建的关键步骤，该模型可提升实体链接质量。
• 智能问答系统：模型可增强问答系统中对中文实体的理解，提升答案抽取的准确性。