10.3969/j.issn.1001-4616.2021.01.018
基于多特征双向门控神经网络的领域专家实体抽取方法
命名实体识别是自然语言处理和信息提取的基本任务,传统专家命名实体识别方法存在过度依赖人工特征标注和分词效果、专家简介中大量专业新词无法识别等问题.本文提出一种基于多特征双向门控神经网络结构并结合条件随机场模型进行领域专家实体抽取方法.该方法首先通过构建领域专家语料库以训练实体抽取模型;接着,使用Bert方法进行字嵌入表示,对语料库专业领域词汇构造要素进行特征分析并提取边界特征;然后,利用双向门控神经网络和注意力机制有效获取特定词语长距离依赖关系;最后,结合条件随机场模型实现命名实体识别.在同一数据集上进行5种方法实验比较分析,结果表明该模型较BiLSTM-CRF和IDCNN-CRF方法F1值提高9.98％以上.
命名实体识别、自然语言处理、信息提取、多特征、边界特征
44
TP301.6(计算技术、计算机技术)
国家自然科学基金项目;国家重点研发计划项目;江苏省产学研合作项目;江苏省农业科技自主创新资金项目;淮阴工学院研究生科技创新计划项目
2021-04-12（万方平台首次上网日期，不代表论文的发表时间）
共8页
128-135
