ComputerEngineeringandApplications计算机工程与应用2023，59（7）命名实体识别（namedentityrecognition，NER）是自然语言处理（NLP）中的一项重要任务，也是信息提取、问答系统、句法分析、机器翻译等众多NLP任务的重要基础性工具。众多NER处理方法中序列标注方法占据主导地位，其中采用序列模型（例如，conditionalrandomfields（CRF）[1]或longshort-termmemory（LSTM）[2]）来端到端的嵌套命名实体识别方法研究邓力源1，陈艳平1，2，武乐飞3，秦永彬1，2，黄瑞章1，2，郑庆华3，谭曦41.贵州大学计算机科学与技术学院，贵阳5500252.贵州省公共大数据重点实验室，贵阳5500253.西安交通大学计算机科学与技术学院，西安7100494.贵州青朵科技有限公司，贵阳550025摘要：命名实体识别（NER）被视为自然语言处理中的一项基础性研究任务。受计算机视觉中单阶段（one-stage）目标检测算法启发，借鉴其算法思想并引入回归运算，提出有效识别嵌套命名实体的端到端方法。基于多目标学习框架，利用深度神经网络将句子转换为文本特征图以回归预测嵌套实体边界，设计中心度方法抑制低质量边界。与多种方法在ACE2005中文数据集上进行对比实验。实验结果表明，该方法有效识别文本中的嵌套命名实体，且计算机视觉算法思想和边界回归机制在自然语言处理任务中取得理想的效果。关键词：嵌套命名实体；回归运算；中心度；端到端；多目标学习文献标志码：A中图分类号：TP391.1doi：10.3778/j.issn.1002-8331.2109-0498ResearchonEnd-To-EndNestedNamedEntityRecognitionMethodDENGLiyuan1,CHENYanpin1，2,WUYuefei3,QINYongbin1，2,HUANGRuizhang1，2,ZHENGQinghua3,TANXi41.CollegeofComputerScienceandTechnology,GuizhouUniversity,Guiyang550025,China2.GuizhouProvincialKeyLaboratoryofPublicBigData,Guiyang550025,China3.CollegeofComputerScienceandTechnology,Xi’anJiaotongUniversity,Xi’an710049,China4.GuizhouQingduoTechnologyCo.,Ltd.,Guiyang550025,ChinaAbstract：Namedentityrecognition（NER）isregardedasabasicresearchinnaturallanguageprocessing.Inspiredbytheone-stageobjectdetectionalgorithmincomputervision,thispaperproposesaneffectiveend-to-endmethodforidentifyingnestednamedentitiesbyusingitsalgorithmideaandintroducingregressionoperation.Basedonmulti-tasklearningframework,thepaperusesdeepneuralnetworktotransfo...
