西尔艾力·色提，艾山·吾买尔，王路路，吐尔根·依布拉音，马喆康，买合木提·买买提

（1.新疆大学信息科学与工程学院，乌鲁木齐 830046；2.新疆大学新疆多语种信息技术重点实验室，乌鲁木齐 830046；3.新疆大学软件学院，乌鲁木齐 830046）

0 概述

命名实体识别（Named Entity Recognition，NER）作为自然语言处理的基本任务之一，受到国内外研究人员的广泛关注，并且随着深度学习技术的不断发展，其取得了重要的研究成果。例如，COLLOBERT［1］、LAMPLE［2］等人将命名实体识别转换为序列标注问题，并利用深度学习技术捕获命名实体的词和字符信息，实现文本中命名实体的精准识别。通过将深度学习技术与字符信息相结合对文本序列标注数据进行建模，能够有效提高命名实体识别性能，然而现有中文命名实体识别方法［3-4］多数使用单词向量特征对命名实体进行表示，忽略了汉字字符特征的表征能力。针对该问题，国内外研究人员也进行了一系列关于字符特征表示的研究。例如，LU［5］、DONG［6］等人利用字符信息和单词信息提高了命名实体的识别精度，但其没有考虑单词与字符以及字符与字符之间的位置关系。本文提出一种单词-字符引导注意力网络（Word-Character Guided Attention Network，WCGAN）的旅游文本命名实体识别方法。将不同层次的引导注意力网络进行集成学习以获取命名实体的单词和字符信息，同时捕获单词与字符、字符与字符之间的位置信息。

1 相关工作

传统NER方法通常采用机器学习技术或者人工标注特征［7］进行命名实体识别。文献［8］提出一种基于SVM语料库检索模式和重复MWEs的NER识别方法，实验结果表明该方法优于基于规则的命名实体识别方法。……