應用AutoNER於社群網路中文歌手名稱辨識之研究

摘要

本論文的研究主題為社群媒體上的中文命名實體辨識 (Named Entitiy Recognition, NER)。由於序列標記模型需要已標記的文本做為練資料，利用已知的字典透過自動標記的方式去產生訓練文本，是一種減少人工標記成本的方法。但在自動標記的過程中，可能會產生錯誤的標記而影響效能，如何解決這問題是這研究所面對的一大。我們參考 AutoNER 模型所使用的 Tie 和 Break 標記代傳統的BIEOS 標記方式，做為本論文模型的基礎；同時考量中文少英文之字詞分 ，限制語意的理解，因此我們外地加入了中文斷詞的資訊，提高標記中 Tie 的比例，以輔助序列標記模型的訓練。實驗結果顯示，在新的資料標記中，相較於完全比對(exact match) ，加入約略比對 (approximate match) 對模型 F1 的效能提升18% ；比採用BIEOS 標記之CRF架構下的模型，AutoNER架構下的模型在F1的效能提升9%。