盧毅、李龍豪。
中文計算語言學期刊 (IJCLCLP)，25(2)，21-36。
摘要
命名實體辨識任務的目標是從非結構化的輸入文本中，抽取出關注的命名實體， 例如:人名、地名、組織名、日期、時間等專有名詞，擷取的命名實體，可以 做為關係擷取、事件偵測與追蹤、知識圖譜建置、問答系統等應用的基礎。機 器學習的方法將其視為序列標註問題，透過大規模語料學習標註模型，對句子 的各個字元位置進行標註。我們提出一個門控圖序列神經網路 (Gated Graph Sequence Neural Networks, GGSNN) 模型，用於中文健康照護領域命名實體辨 識，我們整合詞嵌入以及部首嵌入的資訊，建構多重嵌入的字嵌入向量，藉由 調適門控圖序列神經網路，融入已知字典中的命名實體資訊，然後銜接雙向長 短期記憶類神經網路與條件隨機場域，對中文句子中的字元序列標註。我們透 過網路爬蟲蒐集健康照護相關內容的網路文章以及醫療問答紀錄，然後隨機抽 取中文句子做人工斷詞與命名實體標記，句子總數為 30,692 句 (約 150 萬字 /91.7 萬詞)，共有 68,460 命名實體，包含 10 個命名實體種類:人體、症狀、 醫療器材、檢驗、化學物質、疾病、藥品、營養品、治療與時間。藉由實驗結 果與錯誤分析得知，我們提出的模型達到最好的 F1-score 75.69%，比相關研究 模型 (BiLSTM-CRF,Lattice,Gazetteers以及ME-CNER)表現好，且為效能與效 率兼具的中文健康照護命名實體辨識方法。
