基于深度学习的中文命名实体识别研究综述  

Survey on Deep Learning for Chinese Named Entity Recognition

作　　者：祁鹏年 廖雨伦 覃飙[1] QI Peng-nian;LIAO Yu-lun;QIN Biao(School of Information,Renmin University of China,Beijing 100872,China)

机构地区：[1]中国人民大学信息学院,北京100872

出　　处：《小型微型计算机系统》2023年第9期1857-1868,共12页Journal of Chinese Computer Systems

基　　金：国家重点研发计划项目(2021YFC3001204)资助.

摘　　要：命名实体识别(Named Entity Recognition, NER)在自然语言处理领域扮演着至关重要的角色,它是关系抽取、机器翻译、文本摘要、问答系统等自然语言任务的基础.中文命名实体识别(Chinese Named Entity Recognition, CNER)是中文语境下的NER方案.已有的文献只分析了技术的不同发展阶段,没有对基于深度学习的方法进行系统和深入的总结.该文详细介绍了基于深度学习的研究方法,并从模型分类、数据集、评价标准以及性能分析四个方面对CNER领域中已有的研究成果进行综合评述,最后讨论了其面临的挑战和机遇.Named Entity Recognition(NER)plays a vital role in natural language processing.It is the basis of natural language tasks such as relational extraction,machine translation,text summarization,and question-answering systems.Chinese Named Entity Recognition(CNER)is a NER scheme in the Chinese context.Existing literature only analyzes the different stages of the technology,without a systematic and in-depth summary of deep learning-based methods.This paper introduces the methods based on deep learning in detail from the four aspects of model classification,data sets,evaluation criteria,and performance analysis.Finally,we discuss the challenges and opportunities for CNER.

关 键 词：深度学习 自然语言处理 中文命名实体识别 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]