基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了减少传统的命名实体识别需要人工制定特征的大量工作,通过无监督训练获得军事领域语料的分布式向量表示,采用双向LSTM递归神经网络模型解决军事领域命名实体的识别问题,并且通过添加字词结合的输入向量和注意力机制对双向LSTM递归神经网络模型进行扩展和改进,进而提高军事领域命名实体识别.实验结果表明,提出的方法能够完成军事领域命名实体的识别,并且在测试集语料上的F-值达到了87.38%.
推荐文章
融合词位字向量的军事领域命名实体识别
军事
命名实体识别
词位字向量
BI-GRU-CRF
深度神经网络
序列标注
基于位置敏感Embedding的中文命名实体识别
命名实体识别
表示学习
Embedding
多尺度聚类
条件随机场
一种基于命名实体识别的需求跟踪方法
需求跟踪
命名实体识别
语义聚类
自然语言处理
权重计算
基于条件随机场的汉语命名实体识别
可视化工作室2008
条件随机场
汉语分词
命名实体识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于双向LSTM的军事命名实体识别
来源期刊 计算机工程与科学 学科 工学
关键词 命名实体识别 长短时记忆递归神经网络 注意力机制
年,卷(期) 2019,(4) 所属期刊栏目 人工智能与数据挖掘
研究方向 页码范围 713-718
页数 6页 分类号 TP391
字数 4946字 语种 中文
DOI 10.3969/j.issn.1007-130X.2019.04.019
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李健龙 陆军工程大学石家庄校区装备模拟训练中心 4 7 2.0 2.0
2 王盼卿 陆军工程大学石家庄校区装备模拟训练中心 3 6 2.0 2.0
3 韩琪羽 陆军工程大学石家庄校区装备模拟训练中心 1 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (4)
同被引文献  (11)
二级引证文献  (0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(4)
  • 引证文献(4)
  • 二级引证文献(0)
研究主题发展历程
节点文献
命名实体识别
长短时记忆递归神经网络
注意力机制
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与科学
月刊
1007-130X
43-1258/TP
大16开
湖南省长沙市开福区德雅路109号国防科技大学计算机学院
42-153
1973
chi
出版文献量(篇)
8622
总下载数(次)
11
总被引数(次)
59030
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导