一种基于策略价值网络和树搜索增强的命名实体识别方法

摘要

本发表公开了一种基于策略价值网络的命名实体识别方法，属于信息处理领域。该方法首先将命名实体识别的标注过程建模成马尔科夫决策过程(MDP)，提出了一种新颖的基于强化学习的命名实体识别模型，称为MM‑NER。MM‑NER是第一个将将蒙特卡洛树搜索(MCTS)增强型MDP模型应用于命名实体识别(序列标记任务)的工作。它基于MDP状态定义设计了一个策略价值网络来获得标签概率和标注序列准确度评估，并利用MCTS进行模拟，进而搜索出一个更具全局意识的标注序列。在推断过程，直接使用策略价值网络可以保证识别效果与树搜索策略基本一致，并大大降低时间复杂度。本发明在CoNLL2003命名实体识别数据集上的实验结果，证明了拥有K步探索决策机制的MM‑NER的有效性。