计算NLP命名实体识别中实体的置信度分数

Question

我正在从文档（pdfs）中提取命名实体。每个pdf包含一组实体（近16种不同类型的实体）

以下是构建NLP和ML模型的步骤：

• Step 1：解析文件。得到近2百万代币（单词）。使用这些词和CBOW方法构建word2vec模型。
• Step 2：使用word2vec模型，为douments中的单词生成矢量。
• Step 3：根据域名，我标记了单词（向量）进行培训，验证和测试。
• Step 4：使用标记数据，训练神经网络模型。
• Step 5：模型构建完成后，给模型提供测试数据（单词）。精度达到85％。

直到现在一切顺利。但问题是下一步。 ：（

• Step 6：现在我想根据从训练模型中分类的单词制作具有置信度分数的实体。

使用SOFTMAX对输入进行分类的神经网络模型。从这个模型得到每个单词的分数。

但我的问题是，我的实体包含至少3个单词。如何计算生成实体的置信度分数。

现在，如果实体有三个单词，我正在使用P(entity) = P(w1)*P(w2)*(w3)。

请帮助我。这种方法一直没有意义。

假设，如果模型只预测实体中的两个单词，那么实体置信度将为P(entity) = P(w1)*P(w2)。

如果模型只预测实体中的一个单词，那么P(entity) = P(w1)。 ：（

Answer 1

为什么P（实体）= P（w1）+ P（w2）+ P（w3）？ 如果你需要一个归一化数（0-1）并假设P（w）有一个0-1范围，那么：P（实体）=（P（w1）+ P（w2）+ P（w3））/ 3

为了获得更好的分数，您应该计算每个单词的信息内容。一个常见的词应该少贡献：https://bmcbioinformatics.biomedcentral.com/articles/10.1186/1471-2105-6-S1-S21

Answer 2

Stanford NLP工具箱使用min（Pi）作为P（entity）。从我的角度来看，从数​​学观点来看，这都不是什么。