基于双向LSTM的军事命名实体识别

• 作者: 李健龙 王盼卿 韩琪羽
• 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
• 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

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％.

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