摘要

命名实体识别（Named Entity Recognition, NER）是自然语言处理中的基础任务，旨在识别文本中表示实体引用的词元片段。以往的NER研究多集中于扁平实体（flat NER），忽略了实体引用可能具有嵌套结构的事实，例如 [Bank of [China]]（Finkel 和 Manning，2009）。本文借鉴基于图的依存句法分析思想，采用双仿射模型（biaffine model，Dozat 和 Manning，2017）为模型提供对输入文本的全局视角。该模型对句子中所有起始与结束词元的组合进行打分，从而全面探索所有可能的文本片段，使模型能够更准确地预测命名实体。通过在8个语料库上的实验评估，我们验证了该模型在嵌套与扁平NER任务中均表现优异，并在所有语料上均达到当前最优（SoTA）性能，最高准确率提升达2.2个百分点。