基于BLSTM_attention_CRF模型的新能源汽车领域术语抽取

• 作者: 姚爽 张亚梅 张炳斐 郭昌宏 马建红
• 来源期刊: 计算机应用研究
• 关键词: 领域术语抽取 attention机制 双向长短时记忆网络 条件随机场 词典 规则
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1385-1389,1395
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.11.0741

摘要

为提高新能源汽车领域术语抽取准确率,面向新能源汽车专利文本提出一种领域术语抽取模型.传统的领域术语抽取方法过度依赖人工定义特征和领域知识,无法自动挖掘隐含特征,其识别性能过度依赖所选特征的质量.从深度学习的角度出发,提出了一种基于attention的双向长短时记忆网络(bidirectional long short-term memory,BLSTM)与条件随机场(conditional random fields,CRF)相结合的领域术语抽取模型(BLSTM_attention_CRF模型),并使用基于词典与规则相结合的方法对结果进行校正,准确率可达到86％以上,方法切实可行.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马建红	河北工业大学计算机科学与软件学院	41	483	11.0	21.0
2	张亚梅	河北工业大学计算机科学与软件学院	2	5	1.0	2.0
3	姚爽	河北工业大学计算机科学与软件学院	40	33	3.0	4.0
4	张炳斐	河北工业大学计算机科学与软件学院	2	7	2.0	2.0
5	郭昌宏	河北工业大学计算机科学与软件学院	1	5	1.0	1.0