基于BERT-BiLSTM-CRF模型的中文实体识别

2020计算机系统应用Medicine被引 4

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%.

引用本文（GB/T 7714）

杨俊安谢腾, Teng Xie, Yang Junan, 等. 基于BERT-BiLSTM-CRF模型的中文实体识别[J]. 计算机系统应用, 2020.

引文网络

参考文献与被引分析加载中…

DOI：https://doi.org/10.15888/j.cnki.csa.007525

本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。