李丽双，郭元凯

(大连理工大学 计算机科学与技术学院，辽宁 大连 116023)

0　引言

命名实体识别是自然语言处理中的重要任务之一。近年来，神经网络在通用领域的命名实体识别表现出了很好的性能。相比于统计机器学习方法或基于规则的方法，基于神经网络的深度学习方法具有泛化性更强、更少依赖人工特征的优点。因此，许多基于神经网络的通用领域命名实体识别模型被提出。例如Collobert[1]等首次使用CNN与CRF结合的方式在通用命名实体识别领域的CONLL2003语料上取得了较好的效果。Huang[2]等构造了一个采用人工设计的拼写特征的BLSTM-CRF模型，在CONLL2003语料上达到了88.83%的F-值。Chiu 和Nichols[3]等建立了CNN-LSTM模型在CONLL2003语料上达到了91.62%的F-值。虽然神经网络在通用命名实体识别领域中展现出了较好的性能，但在生物医学命名实体识别领域中的应用仍存在问题。相比于一般领域的命名实体，生物医学命名实体识别有以下几个难点： (1)包含的实体数量和种类多； (2)待识别的实体可能会由许多单词修饰，导致实体的边界难以划分； (3)生物医学语言没有一套统一的命名方式，所以待识别的实体可能会有多种表述方式； (4)待识别的实体经常存在缩写、嵌套、大小写混合、含有特殊字符的情况。也正是因为如此，生物医学命名实体识别的许多方法依旧依赖人工特征和领域知识。

目前生物医学命名实体识别的方法主要分为浅层机器学习和深层神经网络的方法。浅层机器学习方法主要包括条件随机场模型(CRF)、隐马尔可夫模型(HMM)、最大熵模型(ME)、支持向量机(SVM)等。……