基于ELMO-CNN-BiLSTM-CRF模型的地质实体识别

• 作者: 储德平 万波 李红 方芳 王润
• 来源期刊: 地球科学
• 关键词: 地质大数据 地质实体 命名实体识别 ELMO-CNN-BiLSTM-CRF 地质文本 数学地质
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 地球物理学和数学地质学|Geophysics and Mathematical Geology
• 页码范围: 3039-3048
• 页数: 10页
• 分类号: P628.4
• 语种: 中文

摘要

地质实体是地质文本中的关键和核心信息,对其准确识别是地质信息提取和挖掘的重要前提.设计了ELMO-CNN-BiLSTM-CRF模型,基于预训练字向量构建深层BiLSTM-CRF神经网络模型,通过添加词语动态特征以及词语字符级别的特征,弥补字向量特异性缺失的问题,提高对于地质文本中复杂多词义的识别水平和对地质实体局部特征的提取能力.以《西藏自治区谢通门县雄村铜矿勘探地质报告》为例,对该模型的性能进行了评估,模型的准确率、召回率和F1值分别为95.15％、95.26％和95.21％.实验表明相比BiLSTM-CRF和CNN-BiLSTM-CRF模型,该模型在小规模语料地质实体识别方面效果更优,且能够有效识别长地质实体词汇和地质多义词.