基于预训练BERT的军事领域目标实体深度学习识别方法

• 作者: 张乐 李健 唐亮 易绵竹
• 来源期刊: 信息工程大学学报
• 关键词: 军事领域 实体识别 预训练BERT 深度学习
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 331-337
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0673.2021.03.013

摘要

军事领域非结构化文本中的大量目标实体往往包含丰富的军事信息和军事知识,对其准确识别是进行军事信息抽取和军事知识组织的基础性关键任务,也是构建军事知识图谱的重要环节.针对军事领域标注数据不足以及军事实体边界模糊的问题,提出基于预训练BERT模型的深度学习识别方法.利用BERT生成基于当前输入语境特征的动态字向量来增强字的语义表示,融合字的含边界词性特征得到特征融合向量,再连接BiLSTM-CRF神经网络.在自建的军事领域标注数据集上的实验结果表明,相较于另外两种基准方法,该方法在准确率、召回率和F值上获得了更优的表现.