民航突发事件实体识别方法研究

• 作者: 李浩飞 王红 邸帅
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 民航突发事件 条件随机场 长短期记忆神经网络 实体识别 知识图谱
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 166-172
• 页数: 7页
• 分类号: TP391
• 字数: 5044字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.03.028

摘要

针对民航突发事件实体自动获取的问题,提出一种将双向长短期记忆网络(BiLSTM)与条件随机场(C RF)结合的民航突发事件实体识别方法.利用领域词典对民航突发事件实体进行自动标注,并将已标注的数据转化为分布式字符向量;采用BiLSTM模型获取序列文本的上下文特征;通过CRF模型获得序列标注结果.实验结果表明,与传统的C RF方法相比,该方法的F值有明显的提升,有效解决了传统方法在识别民航突发事件文本信息中包含复合实体或混合实体方面效率低且大量使用人工定义特征模板的问题,为民航突发事件知识图谱的自动构建提供了更好的方法支撑.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王红	中国民航大学计算机科学与技术学院	45	320	11.0	16.0
2	李浩飞	中国民航大学计算机科学与技术学院	2	1	1.0	1.0
3	邸帅	中国民航大学计算机科学与技术学院	1	0	0.0	0.0