%A 郑洪浩, 于洪涛, 李邵梅 %T 基于改进的Transformer编码器的中文命名实体识别 %0 Journal Article %D 2021 %J 网络与信息安全学报 %R 10.11959/j.issn.2096-109x.2021041 %P 105-112 %V 7 %N 5 %U {https://www.infocomm-journal.com/cjnis/CN/abstract/article_171743.shtml} %8 2021-10-15 %X

为了提高中文命名实体识别的效果,提出了基于 XLNET-Transformer_P-CRF 模型的方法,该方法使用了 Transformer_P 编码器,改进了传统 Transformer 编码器不能获取相对位置信息的缺点。实验结果表明,XLNET-Transformer_P-CRF模型在MSRA、OntoNotes4.0、Resume、微博数据集4类数据集上分别达到95.11%、80.54%、96.70%、71.46%的F1值,均高于中文命名实体识别的主流模型。