CNN-Based Chinese NER with Lexicon Rethinking
基于LR-CNN的中文命名实体识别
作者: Tao Guil , Ruotian Ma1等
单位:复旦大学、Video++
发表会议及时间: IJCAI 2019
思维导图
细节一：CNN融合字符与词级别特征
通过attention机制融合词信息
将每层CNN学到的不同gram的词用多尺度CNN融合
细节二：Rethinking机制
通过增加权重和降低权重的方式寻找最优分词路径
重点：
实验设置及结果分析
数据集
MSRA
Weibo
Chinese resume
OntoNotes4
对比模型
BiLSTM
CNN
Word-level model + char + bichar
Character-level model + bichar + softword
Dilated CNN
Lattice LSTM
总结
关键点：
- 使用CNN进行特征抽取,提高推断速度
- 引入Attention机制,融合字词向量
创新点：
- 使用多层CNN,在不同层融合字词向量
- 使用Rethinking机制,利用全局信息
另外，这篇博客写的不错，也可以参考
IJCAI2019: 面向中文NER 基于lexicon rethinking的CNN模型