雷树杰 邢富坤 王闻慧

1(战略支援部队信息工程大学洛阳校区 河南 洛阳 471003)2(青岛大学外语学院 山东 青岛 266000)

0 引 言

命名实体识别(Named Entity Recognition，NER)是自然语言处理任务中一项基础性的工作，可以为自动文摘、自动问答和机器翻译等更复杂的自然语言处理任务提供支持。对于军事领域信息处理而言，军事类命名实体的识别同样起着基础性作用，武器装备名是军事类命名实体的重要组成部分。

命名实体识别的难点在于对未登录命名实体的识别，要求识别模型具有较好的泛化能力，而提升泛化能力不能仅靠扩大语料规模，尤其是对于很难获取大规模语料的领域而言，扩大语料规模的代价大，收益不一定高。本文从挖掘利用专门领域知识入手，将领域知识与深度学习相融合，提出基于领域特征向量的武器装备名识别方法，实验结果显示该方法可有效提升模型对于未登录命名实体的识别效果。

1 相关工作

命名实体的识别研究主要受到了如CoNLL等评测会议的影响，这使得大量命名实体识别研究主要集中在人名、地名、组织机构名、时间和数字表达上[1]，而对类似于武器装备名这样特定领域实体的识别研究明显不足。

对于命名实体的识别，早期的识别方法大都基于规则。自20世纪90年代后，基于大规模语料库的统计方法逐渐成为自然语言处理任务的主流。近年来，随着人工神经网络在图像识别、语音识别等领域取得突破性进展，该方法也逐步应用到自然语言处理任务当中。……