投稿网址：ｗｗｗ．ｓｔａｅ．ｃｏｍ．ｃｎ２０２３年第２３卷第１７期２０２３，２３（１７）：０７４３６⁃０８科学技术与工程ＳｃｉｅｎｃｅＴｅｃｈｎｏｌｏｇｙａｎｄＥｎｇｉｎｅｅｒｉｎｇＩＳＳＮ１６７１—１８１５ＣＮ１１—４６８８／Ｔ引用格式：蒋丽媛，吴亚东，王书航，等．融合笔画特征的命名实体识别方法［Ｊ］．科学技术与工程，２０２３，２３（１７）：７４３６⁃７４４３.ＪｉａｎｇＬｉｙｕａｎ，ＷｕＹａｄｏｎｇ，ＷａｎｇＳｈｕｈａｎｇ，ｅｔａｌ．Ｎａｍｅｄｅｎｔｉｔｙｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｉｎｃｏｒｐｏｒａｔｉｎｇｓｔｒｏｋｅｆｅａｔｕｒｅｓ［Ｊ］．ＳｃｉｅｎｃｅＴｅｃｈｎｏｌｏｇｙａｎｄＥｎｇｉｎｅｅｒｉｎｇ，２０２３，２３（１７）：７４３６⁃７４４３.融合笔画特征的命名实体识别方法蒋丽媛，吴亚东∗，王书航，张巍瀚，李懿（四川轻化工大学计算机科学与工程学院，宜宾６４４０００）摘要汉字是象形文字，其字形特征对于中文命名实体识别有着重要的作用。针对双向长短期记忆模型（ｂｉ⁃ｄｉｒｅｃｔｉｏｎａｌｌｏｎｇｓｈｏｒｔ⁃ｔｅｒｍｍｅｍｏｒｙ，ＢｉＬＳＴＭ）提取部首，命名实体识别准确率不高的问题，提出笔画组成编码器，用于获取汉字的字形特征，并将笔画字形特征向量和预训练的语言表征模型（ｂｉｄｉｒｅｃｔｉｏｎａｌｅｎｃｏｄｅｒｒｅｐｒｅｓｅｎｔａｔｉｏｎｆｒｏｍｔｒａｎｓｆｏｒｍｅｒｓ，ＢＥＲＴ）输出的字向量进行拼接，将拼接后的向量放入双向长短期记忆模型与条件随机场（ｃｏｎｄｉｔｉｏｎａｌｒａｎｄｏｍｆｉｅｌｄ，ＣＲＦ）相连的标注模型（ＢｉＬＳＴＭ⁃ＣＲＦ）中进行命名实体识别。实验表明，所提的方法在Ｒｅｓｕｍｅ数据集上命名实体识别准确率有显著提升。相较于用卷积神经网络做编码器提取汉字字形特征，准确率高出０.４％。相较于使用ＢｉＬＳＴＭ提取的部首特征模型和加入词典的长短期记忆模型（ｌａｔｔｉｃｅＬＳＴＭ），其准确率分别提升了４.２％、０.８％。关键词字形特征；中文命名实体识别；ＢｉＬＳＴＭ⁃ＣＲＦ；笔画组成编码器；动态词向量中图法分类号ＴＰ３９１.１；文献标志码Ａ收稿日期：２０２２⁃０６⁃０７；修订日期：２０２３⁃０３⁃２２基金项目：四川轻化工大学人才引进项目（２０２０ＲＣ２０）第一作者：蒋丽媛（１９９７—），女，汉族，四川南充人，硕士研究生。研究方向：自然语言处理。Ｅ⁃ｍａｉｌ...
