[NER_IDCNN_CRF] Get rid of dependency with Jieba? about information-extraction-chinese HOT 5 OPEN

并没有什么特殊的原因，分词这一步可以用更准的深度学习模型；用jieba只是图他的简单和快速。
特定领域jieba分词需要配合着该领域的词库一起用，不然效果确实不好。

from information-extraction-chinese.

大神，在特殊领域jieba切词效果不好，能告知下使用jieba的原因吗？感谢

from information-extraction-chinese.

比如在中文医学领域，用jieba很难切词准确（即使有一部分医学词典的情况下）。在切词错误的情况下，医学实体也很难被标注出来。那么除了只使用char embedding似乎没有更好的解决方法？

from information-extraction-chinese.

医学领域我不熟悉，我的建议是从下面几个思路尝试看看：

1. 医学领域我理解应该新词发现的情况不多，因此不断扩充领域词库不论是对分词还是对NER应该仍然是比较靠谱的做法（搜狗应该就有一个蛮大的医学词典？）
2. 如果有大量医学语料，建议重新训练针对医学领域的word/char embedding
3. 标注数据足够多的话，可以尝试char embedding做输入训练模型，看看效果

from information-extraction-chinese.

非常感谢您的建议。利用词典确实是特定领域NER的比较实在的手段了。现在就是医学领域的标注数据太少啊，成本太高，而且数据不公开。您怎么看今年acl自动化所的那篇联合抽取的论文？或者您对联合抽取有什么理解呢？

from information-extraction-chinese.