基于BERT-FLAT-CRF模型的中文时间表达式识别

• 作者: 朱乐俊 王卫民
• 来源期刊: 软件导刊
• 关键词: 信息抽取 时间表达式 深度学习 BERT FLAT
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 59-63
• 页数: 5页
• 分类号: TP301
• 语种: 中文
• DOI: 10.11907/rjdk.202294

摘要

时间信息识别是自然语言处理中非常重要的任务.传统中文时间表达式识别中常用的机器学习方法需构造大量特征模板,词向量为单一向量,不具有多义性,且难以获取长距离依赖.针对这些问题提出BERT-FLAT-CRF深度学习网络架构,利用Bert提升词向量表达,FLAT融合时间词汇特征,最后通过CRF提取最优序列标注.在TempEval-2语料中取得93.12％的准确率和92.15％的召回率,均优于其它算法模型,在自建数据集中与其它深度学习模型相比,该方法同样具有较好的效果,可有效提升对中文时间表达式的识别能力.