基于协同图网络的中文命名实体识别中的词汇知识利用

缺乏词边界信息一直被视为制约中文命名实体识别（NER）系统实现高性能的主要障碍之一。幸运的是，自动构建的词典包含了丰富的词边界信息与词汇语义信息。然而，在将词汇知识融入中文NER任务时，仍面临两大挑战：一是自匹配词汇词的处理，二是最近邻上下文词汇词的利用。为此，我们提出一种协作图网络（Collaborative Graph Network）来解决上述问题。在多个数据集上的实验结果表明，所提模型不仅显著超越了当前最优（SOTA）水平，而且在推理速度上比SOTA模型快六至十五倍。