摘要

命名实体识别（Named Entity Recognition, NER）对句子的句法与语义特征高度敏感，实体的识别往往依赖于其在文本中的使用方式及上下文位置。为建模此类特性，可借助现有资源所提供的知识以增强NER任务的表现；已有研究证实了利用此类知识的有效性，但其在合理利用知识方面仍存在局限，例如难以区分特定上下文中更具重要性的知识。本文提出一种通过注意力集成机制融合多种句法信息的NER方法，该方法基于所提出的键值记忆网络（key-value memory networks）、句法注意力机制以及门控机制，分别实现句法信息的编码、加权与聚合。在六个英文与中文基准数据集上的实验结果表明，所提模型具有显著有效性，并在所有测试数据集上均优于以往方法。