基于BERT-BiLSTM-CRF模型的中文实体识别

• 作者: 刘辉 杨俊安 谢腾
• 来源期刊: 计算机系统应用
• 关键词: 命名实体识别 BERT模型 双向长短期记忆网络 条件随机场 词向量
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 专论·综述
• 页码范围: 48-55
• 页数: 8页
• 字数: 6497字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007525]

摘要

命名实体识别是自然语言处理的一项关键技术.基于深度学习的方法已被广泛应用到中文实体识别研究中.大多数深度学习模型的预处理主要注重词和字符的特征抽取,却忽略词上下文的语义信息,使其无法表征一词多义,因而实体识别性能有待进一步提高.为解决该问题,本文提出了一种基于BERT-BiLSTM-CRF模型的研究方法.首先通过BERT模型预处理生成基于上下文信息的词向量,其次将训练出来的词向量输入BiLSTM-CRF模型做进一步训练处理.实验结果表明,该模型在MSRA语料和人民日报语料库上都达到相当不错的结果,F1值分别为94.65％ 和95.67％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨俊安	国防科技大学电子对抗学院	15	18	2.0	3.0
2	刘辉	国防科技大学电子对抗学院	22	58	4.0	7.0
3	谢腾	国防科技大学电子对抗学院	1	0	0.0	0.0