基于词典的图神经网络用于中文命名实体识别

基于循环神经网络（RNN）的中文命名实体识别（NER）方法通过逐字符或逐词顺序建模，已取得显著成果。然而，由于RNN固有的链式结构以及缺乏全局语义建模能力，其对词汇歧义问题仍较为敏感。为此，本文提出一种融合词汇知识的图神经网络模型，以引入全局语义信息，缓解该问题。该模型利用词汇知识将字符相互连接，捕捉局部词汇构成信息；同时引入全局中继节点，以建模整个句子的语义及长距离依赖关系。通过字符、潜在词与全句语义之间的多重图结构交互，模型能够有效识别并解决词汇歧义问题。在四个公开NER数据集上的实验结果表明，所提模型相较于多种基线模型均取得了显著性能提升。