泰珠A2-Lin、福宏澳烨、纳欧琴、辛敖东、丽丽傲章、向傲孙、康康PY-2020 DA-2020/07/04 TI-基于字符词矢量融合的中文命名实体识别SP-8866540 VL-2020 AB-由于中文文本中缺乏明确的标记来定义词的边界，这往往比较困难用中文而不是英文来识别命名实体。目前，中文命名实体识别模型的训练主要采用字符或词向量模型的预处理。针对以字符向量作为神经网络的输入，不能充分利用词的语义，不能放弃词的显式边界信息，将词向量作为神经网络的输入依赖于切分算法的准确性的问题，提出了一种基于本文提出了字符词向量融合CWVF-BiLSTM-CRF（character-word-vector-fusion-directional Long-Term Memory Networks-Conditional Random Field）。首先，利用Word2Vec得到字符向量和词向量的对应字典。其次，将字符词向量作为双向长短期记忆（BiLSTM）网络的输入单元，利用条件随机场（CRF）解决标签序列不合理的问题。该模型降低了对分词算法精度的依赖性，有效地利用了词的语义特征。实验结果表明，基于字符-词向量融合的模型提高了中文命名实体的识别效果。编号：1530-8669 UR-https://doi.org/10.1155/2020/8866540DO-10.1155/2020/8866540 JF-无线通信和移动计算PB-Hindawi KW-ER-