基于多模型融合的警情要素提取

• 作者: 龚艳 汪玉 梁昌明 黄林钰 乐汉 徐圣婴 王本强
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 警情要素 BERT BiLSTM CRF 命名实体识别 模式识别
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 98-102
• 页数: 5页
• 分类号: TP274
• 语种: 中文
• DOI: 10.11907/rjdk.211389

摘要

针对警情数据中日益增长的不同种类要素提取需求,提出一种多模型融合的要素提取方法.对于警情数据中人名、地名、机构名等无明显规律的要素,采用BERT+BiLSTM+CRF模型结合文本上下文信息的方法,抽取包含语义信息的关键要素;对于时间、车牌号等具备一定规律的数据,采用模式识别方法抽取符合定义规则的相关要素;然后将上述两种方法融合,形成一体化模型进行要素提取.验证实验结果表明,与传统命名实体识别方法相比,BERT+BiLSTM+CRF模型在测试集上的F1值均提高3％以上,模式识别效果提高1％以上,可满足日常警情的要素提取需求.