10.3969/j.issn.2095-2163.2018.03.026
基于CRF和Bi-LSTM的保险名称实体识别
在保险领域智能问答应用研究中,用户提问时大量使用缩写、简写的保险名称,降低了问题语义理解的准确率.为解决这个问题,本文提出使用条件随机场(CRF)与双向长短记忆循环神经网络相结合的模型(Bi-LSTM-CRF),加入预先训练好的字嵌入向量进行训练的方法来识别保险名称.实验结果表明,CRF结合双向的LSTM的方法相较于传统机器学习的方法,在保险领域命名实体的识别中具有更好的性能,显著提高了保险名称识别的准确率和召回率.
Bi-LSTM-CRF、命名识别识别、保险智能问答
8
TP391.1(计算技术、计算机技术)
2018-07-11（万方平台首次上网日期，不代表论文的发表时间）
共4页
111-114
