1.一种嵌套命名实体识别方法,其特征在于,所述方法包括:对目标文本中的元素分别进行不同维度的特征表示,以得到所述目标文本中的候选区域;
根据所述目标文本中的元素的特征表示,基于卷积神经网络聚合第i嵌套层的相邻区域,以生成第i+1嵌套层的候选区域,其中,i为正整数;
将所述第i+1嵌套层的候选区域分别进行注意力特征表示;
结合双向长短期记忆网络,整合当前上下文之间的特征信息,分别得到第i嵌套层所包含的候选区域的最终特征表示;
利用线性变换,分别对每一嵌套层的所述最终特征表示进行序列标注。
2.根据权利要求1所述的嵌套命名实体识别方法,其特征在于,所述对目标文本中的元素分别进行不同维度的特征表示,包括:通过长短期记忆网络对所述目标文本中的元素进行第一特征表示;
通过预训练词向量对所述目标文本中的元素进行第二特征表示;
通过预训练模型对所述目标文本中的元素进行第三特征表示;
综合所述第一特征表示、第二特征表示,以及第三特征表示,生成所述目标文本中的元素的第四特征表示;
利用多头注意力算法优化所述第四特征表示。
3.根据权利要求1所述的嵌套命名实体识别方法,其特征在于,所述根据所述目标文本中的元素的特征表示,基于卷积神经网络聚合第i嵌套层的相邻区域,以生成第i+1嵌套层的候选区域,包括:
基于卷积神经网络分别通过自底向上和自顶向下的方式,聚合第i嵌套层的相邻区域,以生成第i+1嵌套层的候选区域。
4.根据权利要求3所述的嵌套命名实体识别方法,其特征在于,在所述生成第i+1嵌套层的候选区域之后,所述方法还包括:将所述第i+1嵌套层的候选区域分别进行注意力特征表示;
利用多头注意力算法,优化所述第i+1嵌套层的候选区域的注意力特征表示。
5.根据权利要求4所述的嵌套命名实体识别方法,其特征在于,在所述利用多头注意力算法,优化所述第i+1嵌套层的候选区域的注意力特征表示之后,还包括:将所述优化后的基于卷积神经网络,通过自底向上和自顶向下的方式分别获得的候选区域的注意力特征表示进行合并,以生成所述第i+1嵌套层的候选区域的最优特征表示。
6.根据权利要求1‑5中任一所述的嵌套命名实体识别方法,其特征在于,所述对目标文本中的元素分别进行不同维度的特征表示,所述不同维度包括:字符维度、词维度,以及句子维度。
7.根据权利要求1所述的嵌套命名实体识别方法,其特征在于,在所述利用线性变换,分别对每一嵌套层的所述最终特征表示进行序列标注之后,所述方法还包括:分别将每一嵌套层中所述候选区域的内容,依据所述序列标注分别进行输出。
8.一种嵌套命名实体识别装置,其特征在于,包括:第一表示模块:用于对目标文本中的元素分别进行不同维度的特征表示,以得到目标文本中的候选区域;
候选区域生成模块:用于根据所述目标文本中的元素的特征表示,基于卷积神经网络聚合第i嵌套层的相邻区域,以生成第i+1嵌套层的候选区域,其中,i为正整数;
第二表示模块:用于将所述第i+1嵌套层的候选区域分别进行注意力特征表示;
第三表示模块:用于结合双向长短期记忆网络,整合当前上下文之间的特征信息,分别得到第i嵌套层所包含的候选区域的最终特征表示;
序列标注模块:用于利用线性变换,分别对每一嵌套层的所述最终特征表示进行序列标注。
9.一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的嵌套命名实体识别方法。
10.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的嵌套命名实体识别方法。