基于深度学习的食品安全事件实体自动抽取模型研究

实体在非结构化文本中不仅与词汇具有密切的关系,而且是构成短语的关键部分,特别是实体自身具有丰富的语义性,能够为后续语义知识的深度挖掘奠定基础。为了更好地从食品安全事件文本中挖掘出更加有价值和意义的知识,结合LSTM-CRF模型,笔者提出了食品安全事件实体抽取的基本流程,并构建了相应的食品安全事件实体抽取模型。在选取领域食品安全事件文本上,构建的食品安全事件实体抽取模型的调和平均值达到了相对可以接受的程度。基于深度学习的食品安全事件实体自动抽取模型不仅为实体的抽取提供了策略,而且在一定程度上验证了深度学习性能的整体状况。