10.3969/j.issn.1000-386x.2019.10.032
融合领域特征向量的武器装备名深度学习识别方法
提出融合领域特征向量与词向量的识别方法,将基于武器装备名特征库与维基语料训练得到的领域特征向量引入Bi-LSTM+CRF模型,并对武器装备名进行自动识别实验.引入领域特征向量后模型的识别准确率由78.30%提升到82.10%,召回率由65.25%提升到67.30%,对未登录武器装备名识别的召回率从45.08%提升到50.16%.此外,将领域特征融入条件随机场(conditional random field,CRF)模型,实验表明,在小规模语料库与领域特征支持的情况下,CRF模型的效果要优于Bi-LSTM+CRF模型且对稀疏特征的利用效率更优.
武器装备名、Bi-LSTM+CRF、领域特征向量、命名实体识别
36
TP391(计算技术、计算机技术)
2019-11-01(万方平台首次上网日期,不代表论文的发表时间)
共8页
183-189,226