基于BLSTM-CRF的领域知识点实体识别技术

• 作者: 周海华 曹春萍
• 来源期刊: 软件
• 学科: 工学
• 关键词: 实体识别 神经网络 BLSTM CRF
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 基金项目论文
• 页码范围: 1-5
• 页数: 5页
• 分类号: TP391.41
• 字数: 4036字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2019.02.001

摘要

传统的中文分词方法是一种基于单词标注的传统机器学习方法,但学习方法需要人工配置和提取中文文本的特征.缺点是同义词库维度较高且CPU训练模型较长.本文针对以上问题进行了研究,构建了内嵌条件随机场的长短时神经网络模型,使用长短时神经网络隐含层的上下文向量作为输出层标注的特征,使用内嵌的条件随机场模型表示标注之间的约束关系采用双向LSTM和CRF相结合的训练方法进行特定领域知识点的中文分词.对中文分词测试常用语料库的实验比较表明,基于BLSTM和CRF网络模型的方法可以获得比传统机器学习方法更好的性能;使用六字标记并添加预训练的字嵌入向量可以实现相对较好的分词性能;BLSTM-CRF网络模型方法更易于推广并应用于其他自然语言处理中的序列标注任务.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹春萍	上海理工大学光电信息与计算机工程学院	52	244	8.0	13.0
2	周海华	上海理工大学光电信息与计算机工程学院	1	2	1.0	1.0