基于LSTM-CRF的军事动向文本实体识别方法

• 作者: 冯剑红 张金登 许潇 高翔
• 来源期刊: 指挥信息系统与技术
• 学科: 工学
• 关键词: 长短时记忆神经网络 条件随机场 实体识别 军事动向文本
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 实践与应用
• 页码范围: 91-95
• 页数: 5页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.15908/j.cnki.cist.2020.06.017

摘要

军事动向文本包含了丰富的情报信息,因目前对非结构化格式数据进行分析处理仍以人工研判为主,故严重制约了情报分析的智能化水平,已成为信息系统情报分析的瓶颈.为了提升文本分析效率,提出使用条件随机场(CRF)与长短时记忆神经网络(LSTM)相结合的LSTM-CRF模型,通过加入预先训练的字嵌入向量及不同词位标注集,对军事动向文本进行实体识别.试验分析表明,LSTM-CRF模型简化了传统实体识别过程,实体识别准确度可达86％,具有工程实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高翔		4	19	2.0	4.0
2	张金登		5	18	2.0	4.0
3	许潇		1	0	0.0	0.0
4	冯剑红		1	0	0.0	0.0