呂海峰，冀肖榆，陳偉業(yè)，邸臻煒

1.梧州學院 大數(shù)據(jù)與軟件工程學院，廣西 梧州 543002；2.梧州學院 廣西機器視覺與智能控制重點實驗室,廣西 梧州 543002；3.梧州學院 廣西高校圖像處理與智能信息系統(tǒng)重點實驗室,廣西 梧州 543002）

提取文本序列某些特定標簽諸如機構、地點、時間、人名等實體的過程稱為命名實體識別(Named Entity Recognition，NER）[1]。NER是關系抽取、對話系統(tǒng)、自動問答、信息檢索等任務的重要組成部分，NER是自然語言處理研究的一個基礎且重要的問題。

現(xiàn)階段主流的深度學習命名實體識別方法，大多利用循環(huán)神經網(wǎng)絡(Recurrent Neural Network,RNN)或卷積神經網(wǎng)絡(Convolutional Neural Network,CNN)作為編碼層抽取上下文特征，接著采用條件隨機場Conditional Random Field,CRF)解碼出正確標簽序列，如(Collobert[2]、Peters[3]、Shao[4]、Rei[5]、Patrick[6]等)，與條件隨機場模型[8-10]、隱馬爾可夫模型[7](Hidden Markov Model,HMM)。英文與中文在該任務不同，基于分詞的中文實體抽取不能處理分詞錯誤、數(shù)據(jù)稀疏、OOV(out-of-vocabulary)和過擬合問題，并且傳統(tǒng)如Word2vec、glove的靜態(tài)詞向量不能處理一詞多義問題[11]。因此，研究動態(tài)詞向量刻不容緩。(Embeddings from Language Model，ELMO )預訓練語言模型被Matthew等[12]提出，能夠按照當前上下文動態(tài)調整字或詞向量，可有效解決上述問題。2018年Google則提出一種雙向Transformer[19]的編碼表示方法(Bidirectional Encoder Representation for Transformers,BERT）[13]，在文本分類、依存分析、序列標注、相似度等11類NLP任務上均取得了很好的效果。盡管BERT應用廣泛、效果很好，對各項NLP任務的提升都很顯著，但存在模型參數(shù)量大、效率低等問題。于是Lan等[14]提出了一個精簡版BERT模型，簡稱ALBERT，因式分解詞向量矩陣，對下游任務中所有層實現(xiàn)參數(shù)共享，不僅具有較少參數(shù)量，而且在SquAD、RACE、GLUE等任務表現(xiàn)方面取得最佳效果。

當前，盡管有不少針對中文的實體識別方法，但識別效果依然不夠理想，有必要進一步研究，通過改進以及優(yōu)化現(xiàn)有實體識別模型，構建基于預訓練語言模型融合自定義詞典的新實體識別模型，以進一步提升實體抽取效果。

1 相關工作

基于深度學習、統(tǒng)計機器學習以及規(guī)則字典方法是NER任務中常用的3種方案?；谝?guī)則字典的方法需要依賴大量先驗知識，通過設計規(guī)則模板以提取對應的實體信息，存在任務難度大、不可移植、效率低等缺點。結構化單一數(shù)據(jù)集采用基于規(guī)則字典的方法比較可行，但在實際場景里，非結構化數(shù)據(jù)往往占據(jù)大多數(shù)比例，建立規(guī)則模板難以覆蓋所有的非結構化數(shù)據(jù)范圍。以隱馬爾可夫模型HMM和條件隨機場CRF等為代表的統(tǒng)計機器學習方法在實體識別任務上取得一定的效果，具備一定泛化能力。但即便如此，這些統(tǒng)計機器學習方法仍然依賴特征模板，不能自動提取特征，需要標注大量的樣本，識別效果不夠明顯。

構建基于深度學習的序列標注模型識別實體被認為是序列標注任務?；贑NN網(wǎng)絡結構的序列標注模型由Collobert等[15]提出，并且擁有良好的提取效果。序列長距離上下文信息、固定長度輸入等問題得以解決是由于RNN的提出。由RNN派生出的各種版本，能夠在一定程度上降低反向傳播過程中出現(xiàn)梯度消失問題，有效保存和獲取序列上下文信息，最典型的RNN變體如GRU和LSTM。以BiLSTM作為編碼層，CRF作為解碼層的模型由Huang等[16]提出，實體抽取效果達到了當時SOTA表現(xiàn)。

近年來，自然語言處理技術發(fā)展迅速，尤其是得益于深度神經網(wǎng)絡方法在自然語言領域的廣泛應用。以利用預訓練字/詞向量技術的Word2vec、Glove等神經網(wǎng)絡模型[17，18],較好地捕獲文本序列的上下文特征，但不能處理一詞多義問題，未有效考慮詞在序列的位置對詞意義的影響，屬于典型的靜態(tài)詞向量。于是ELMO模型被提出，能夠按照此刻上下文動態(tài)調整詞向量權重，有效解決上述問題。但ELMO還是使用LSTM結構進行特征抽取，上下文特征提取能力弱。2018年Devlin等人提出了在眾多測試集上獲得新SOTA表現(xiàn)的深度雙向表示預訓練模型BERT[13]。盡管BERT應用廣泛、效果很好，對各項NLP任務提升都很大，但存在模型參數(shù)量大、效率低等問題。于是Lan提出了一個精簡版BERT模型，簡稱ALBERT，因式分解詞向量矩陣，對下游任務中所有層實現(xiàn)參數(shù)共享，不僅具有比BERT更少參數(shù)量，而且在SquAD、RACE和GLUE等任務表現(xiàn)獲得當時最佳效果。故在命名實體任務中怎樣高效融合ALBERT，以提高實體識別性能，無疑是當前研究的熱門主題。

現(xiàn)階段實體抽取的研究存在問題主要有：(1)僅依賴詞或字符級別特征，長距離語義信息因為梯度彌散，導致文本語義信息容易丟失；(2)早期的類似Word2vec等上下文無關、靜態(tài)詞向量，導致不能解決一詞多義的問題。針對上述問題，本文提出了一種基于ALBERT-Attention-CRF模型的中文實體識別方法。采用ALBERT在命名實體任務進行微調，不僅解決了一詞多義問題，而且處理了詞級別出現(xiàn)數(shù)據(jù)稀疏、OOV、過擬合等問題，提升了模型對文本序列特征抽取能力。結合Attention機制編碼文本語義信息，不僅有效處理實體邊界模糊問題，而且比經典BiLSTM模型利用更多文本語義信息、捕獲更長的距離依賴，最后在輸出層采用CRF模型，該方法能考慮到序列標注直接的依存關系，有助于提高模型對實體識別準確率。模型在人民日報數(shù)據(jù)集進行驗證，測試集總體命名實體識別F1值達93.72%，結果表明本文所提方法與BERT相比，參數(shù)量更小，效率更高，有效降低模型大小和提高命名實體識別的整體效果。

2 模型

2.1 BERT模型

傳統(tǒng)如Word2vec靜態(tài)詞向量僅考慮詞的局部信息，不能處理一詞多義問題，且缺少詞與局部窗口外詞的聯(lián)系?；贚STM結構模型預訓練詞向量，有效捕獲長間隔的語義特征，于是Matthew等[12]提出了有效捕獲序列兩側上下文信息的ELMO模型，它是基于兩層兩向的長短期記憶網(wǎng)絡結構，有效緩解單向信息學習的問題。Radford等[20]提出(Generative Pre-Training，GPT)模型。不同于ELMO，GPT采用單向Transformer預訓練，下游具體NLP任務以微調模式實現(xiàn)。與LSTM相比，GPT缺點是單向的，但能夠捕獲更長上下文語義信息。使有效學習句子兩側上下文信息，基于雙向Transformer的BERT模型被提出，句子兩邊的上下文在全部層中得到相同依賴，雙向語言模型、特征提取能力得到改進和提升。BERT模型就其他模型而言，達到了去粗取精的效果。在多種NLP任務上獲得了當時的SOTA效果。BERT與ELMO、GPT模型結構見圖1[13]。

2.1.1 BERT輸入表示

輸入表示可以是單個句子或者一個句子對構成的詞序列。對給定的詞，其輸入表示由3個Embedding組成。Embedding可視化表示見圖2[13]。

圖2 BERT模型輸入表示

其中，本文以中文字向量作為Token Embeddings；首個Token是用在后續(xù)分類任務的CLS標志；常用在句子級別分類任務的Segment Embeddings分割兩個句子；人為設置的序列位置向量是Position Embeddings。

2.1.2 BERT模型預訓練任務

BERT模型分別使用Masked Language Model(Masked LM)和預測句子這兩個無監(jiān)督預測任務進行預訓練。在Masked LM任務中，為了訓練編碼器是雙向Transformer深度表示，隨機遮掩15%字符(Token)，然后對被遮擋的Token進行預測。遮掩規(guī)則：(a)以符號Masked替代80%已遮掩的字符；(b)隨機字符代替10%；(c)被遮掩字符的10%不變。

此外，自然語言處理中有很多需要理解兩個句子之間關系的句子級別任務，如自動問答、推理等任務。通常是以隨機替換方式，判斷兩個句子是否連貫的分類任務被加入到BERT預訓練中。預測格式見表1。

表1 句子對預測格式

2.2 ALBERT模型

在學習文本表示時，一般預訓練模型的參數(shù)越多，下游任務的效果就越好，如BERT模型。但是，有時候受到訓練時長、TPU/GPU內存制約等因素影響，模型參數(shù)增加導致模型使用效率低。針對上述難題，Google提出了參數(shù)量大大低于BERT的簡化版本 (A Lite BERT，ALBERT）[14]。

預訓練模型擴展的關鍵瓶頸在ALBERT中提出的2種參數(shù)消減技術得到解決。一是因式分解向量參數(shù)：將大詞向量矩陣變?yōu)?個小矩陣，因而相互分離詞向量與隱藏層的大小。該技術使得詞向量參數(shù)增加不明顯，且便于擴展隱藏層。二是可以共享不同層之間的參數(shù)：它不會因擴大網(wǎng)絡層數(shù)而增多參數(shù)量。這2項技術都大大提高了參數(shù)效率，且明顯減少了BERT 的參數(shù)量。BERT-large配置與ALBERT相似，但前后者參數(shù)量之比約為18∶1，訓練速度之比約為1∶1.7。上述削減參數(shù)技術提升泛化能力，使得訓練比較穩(wěn)定，并具備一定正則化效果。

為了提高ALBERT性能，基于句子層面預測的(SOP)自監(jiān)督損失函數(shù)被研究者提出。SOP旨在處理傳統(tǒng)BERT中NSP任務loss效率低的問題，關注句間的連貫性。鑒于上述改進，ALBERT可以支持不同版本擴展，以明顯提升性能且參數(shù)量遠低于BERT-large為目標。

2.3 Attention機制

盡管通過Encoder的語義表示涵蓋充分的上下文特征，但由于其權值相同，難以對實體類別進行有效區(qū)分。Attention 旨在捕獲上下文語義特征，它根據(jù)編碼層輸出的每個詞隱向量xi，通過S=∑αi·xi。其中αi為預設權值，s為由x1，x2，…，xn組成的文本序列。在注意力機制中，權值αi呈現(xiàn)字符間的關聯(lián)性，因為每個字符距離都是1，實體界限容易得到有效區(qū)分，因此字級別樣本集實體界限不易劃分的問題得到有效緩解。

2.4 CRF模型

多分類任務常用Softmax輸出每個類別的概率，由于Softmax分類器的輸出相互獨立，并未考慮標簽之間的依存關系。因此，條件隨機場，即CRF模型[21]被常用來做序列標注任務。該方法有效考慮到序列相鄰詞的標注信息，能夠更全面預測標簽。給定輸入序列X(x1，x2，…，xn)，Y(y1，y2，…，yn)都是線性鏈的隨機序列。如果給出X前提下，Y的條件概率分布P(Y|X)是條件隨機場，如果符合下面假設，則P(Y|X)為線性鏈條件隨機場。

P(Yi|X，Y1，Y2，…Yn)=P(Yi|X，Yi-1，Yi+1）

(1）

設P(n，k)為輸出層的權重矩陣，輸出標簽序列Y的總得分S(x，y)，即

(2）

其中，A是轉移得分矩陣，n表示句子長度，k表示標簽種類個數(shù)。

對所有可能的序列路徑用softmax函數(shù)計算，產生關于輸出序列y的概率分布，即：

(3）

在訓練過程中，常使用極大似然法求解P(y|x)的最大后驗概率，即

(4）

在解碼階段，預測最高總得分的序列即為最優(yōu)序列，即

(5）

CRF訓練和解碼一般采用動態(tài)規(guī)劃算法Viterbi[22]來求解最優(yōu)序列。

2.5 ALBERT-Attention-CRF模型

模型由5層構成，分別是輸入層、嵌入層、ALBERT特征編碼層、注意力層、CRF層。模型最先采用ALBERT向量化表示每個字符，獲取對應字向量；然后利用ALBERT預訓練模型中的雙向Transformer結構對輸入字向量序列進行特征提?。粸榱思訌娚舷挛恼Z義表示，采用Attention機制獲取語義向量；最后使用CRF解碼語義向量，CRF能夠有效考慮到序列相鄰詞的標注信息，得到概率最大的標簽序列，進而解析出序列中的實體。模型結構如圖3所示。

圖3 ALBERT-Attention-CRF模型結構

其中，x1，x2，…x7表示輸入文本“北京是我國首都”經過ALBERT預訓練語言模型向量化后的字向量；接著為ALBERT預訓練語言模型編碼層，主要由多層雙向Transformers結構組成，得到包含上下文信息的語義向量h1，h2，…h(huán)7。Fchar是計算2個字符之間關系權重的Attention層加權函數(shù)，拼接向量為V。最后為CRF層，輸出輸入序列對應的實體標簽，如地點(LOC)、時間(T)等，其中“B-”為實體起始標志，“I-”為實體中間或結尾。

3 試驗及結果分析

3.1 數(shù)據(jù)與評價指標

為了檢驗模型有效性，本研究利用北京大學公開的1998年《人民日報》語料進行驗證。該語料不僅已經分詞，還標注了地名、人名、組織機構名等實體。標記方式為“BIO”，實體起始標志為B，實體其他部分為I，O表示該詞不是實體。地名采用LOC標記，開始位置為B-LOC，其余位置為I-LOC；人名記為PER，開始位置為B-PER；組織機構實體為ORG，開始位置為B-ORG。試驗中，取45 000條標注數(shù)據(jù)作為訓練集和驗證集，3 432條標注數(shù)據(jù)作為測試集。

模型評價指標采用精確率(Precision,P)、召回率(Recall,R)和F1值(F1-score)進行衡量。

3.2 模型訓練與參數(shù)設置

本研究采用Tensorflow深度學習框架構建和訓練所提出的ALBERT-Attention-CRF模型。參數(shù)設置有：輸入文本序列長度seq_length設為64，驗證集、訓練集batch_size均為32，學習率為1e-10-5。為降低過擬合風險，設置dropout=0.8。為預防在模型擬合中產生梯度爆炸，利用梯度裁剪技術(Gradient Clipping)并設置大小為5。

3.3 試驗結果

在數(shù)據(jù)集上，對CRF，BiLSTM，BiLSTM-CRF，BERT-CRF，ALBERT-Attention-CRF模型進行性能分析，結果見表2。

表2 模型的實體識別試驗結果

由表2可知，基于神經網(wǎng)絡的模型在各個指標均優(yōu)于CRF模型。在BiLSTM和BiLSTM-CRF模型的對比中，采用CRF進行實體識別的BiLSTM-CRF模型表現(xiàn)優(yōu)于前者，說明CRF在解碼時考慮了序列中全局標注信息，因而提升了模型表現(xiàn)。在BiLSTM-CRF模型和BERT-CRF的對比中，后者比前者有接近4%的表現(xiàn)提升，說明基于Transformer架構的BERT模型充分學習了文本序列上下文關系特征，比BiLSTM學習到更長的距離依賴語義關系。ALBERT-Attention-CRF模型比BERT-CRF高0.6%，兩者在精確率、召回率、F1值這3個指標表現(xiàn)接近，但前者模型在效率上更高效，BERT-large配置與ALBERT相似，但前后者參數(shù)量之比約為18∶1，訓練速度之比約為1∶1.7。在同樣的超參數(shù)設置下，本研究提出的ALBERT-Attention-CRF模型訓練所得模型大小僅為BERT-CRF模型的1/10，運維部署比后者更便攜，效率更高。

4 結語

本研究提出一種端到端神經網(wǎng)絡命名實體識別模型ALBERT-Attention-CRF，采用ALBERT預訓練語言模型對輸入文本序列進行向量化和特征抽取，使模型能夠充分學習文本包含的語義信息，使字符之間的推理能力得到增強、實體識別效果得到進一步提升。同時，為了進一步增加上下文相關的語義信息，模型還使用注意力機制進行有效區(qū)分實體類別，以及利用CRF模型作為輸出層，有效通過全局信息進行預測實體標簽，在1998年上半年《人民日報》語料上取得了理想的效果。試驗結果表明，基于ALBERT預訓練模型的命名實體識別模型不僅能夠提升實體識別的效果，而且與BERT模型相比，存在參數(shù)量小、訓練速度快、效率高等優(yōu)點，有一定的參考價值。