论文部分内容阅读
命名实体识别是自然语言处理中一项重要任务,NER同时是问答系统中不可缺的一部分。通过对目前最广泛应用的NER模型进行调查,用实证的方式测试各模型在ATIS数据集基准和“模拟真实世界”NER任务中的性能。结果表明:在实际应用中性价比平衡度最好的系统是一个条件随机场(CRF)和Bi-LSTM的结合体,该系统在低费用的情况下保持业内顶尖水平的性能,ATIS数据集准确率达96.83%。