计算机工程

作者：崔丽平, 古丽拉·阿东别克, 王智悦

单位：1. 新疆大学 信息科学与工程学院, 乌鲁木齐 830046;2. 新疆多语种信息技术重点实验室, 乌鲁木齐 830046;3. 国家语言资源监测与研究少数民族语言中心 哈萨克和柯尔克孜语文基地, 乌鲁木齐 830046

关键词：知识图谱,命名实体识别,卷积神经网络,图神经网络,条件随机场

基金：国家自然科学基金（62062062）；新疆大学基金（BS180250）。

旅游领域命名实体识别是旅游知识图谱构建过程中的关键步骤，与通用领域的实体相比，旅游文本的实体具有长度长、一词多义、嵌套严重的特点，导致命名实体识别准确率低。提出一种融合词典信息的有向图神经网络（L-CGNN）模型，用于旅游领域中的命名实体识别。将预训练词向量通过卷积神经网络提取丰富的字特征，利用词典构造句子的有向图，以生成邻接矩阵并融合字词信息，通过将包含局部特征的词向量和邻接矩阵输入图神经网络（GNN）中，提取全局语义信息，并引入条件随机场（CRF）得到最优的标签序列。实验结果表明，相比Lattice LSTM、ID-CNN+CRF、CRF等模型，L-CGNN模型在旅游和简历数据集上具有较高的识别准确率，其F1值分别达到86.86%和95.02%。

来源：2022年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第2期